jQuery源码分析系列:Callback深入

本文深入解析了jQuery的$.Callbacks()功能,重点介绍了once和memory特性如何确保回调仅执行一次,并保持先前的值立即调用任何回调。通过实例展示了不同场景下这些特性的应用。

关于Callbacks http://www.cnblogs.com/aaronjs/p/3342344.html

$.Callbacks()的内部提供了jQuery的$.ajax()$.Deferred() 基本功能组件

在针对ajax处理中,用的最多的就是once memory的组合

/**
 * 所有的回调队列,不管任何时候增加的回调保证只触发一次
 * @type {[type]}
 */
completeDeferred = jQuery.Callbacks("once memory"),

在Deferred中的done与fail

var tuples = [
    // action, add listener, listener list, final state
    ["resolve", "done", jQuery.Callbacks("once memory"), "resolved"],
    ["reject", "fail", jQuery.Callbacks("once memory"), "rejected"],
    ["notify", "progress", jQuery.Callbacks("memory")]
],

 


once,memory

确保这个回调列表只执行( .fire() )一次(像一个递延 Deferred).

保持以前的值,将添加到这个列表的后面的最新的值立即执行调用任何回调 (像一个递延 Deferred).

once的时候只允许add一次,在触发fire之后就会理清掉list

disable: function() {
                    list = stack = memory = undefined;
                    return this;
                },

所以后续的操作都是无用的

 

memory方法就比较特殊了, 有点类似deferred的感觉,就是能够等全部的add都加载完毕后才触发

memory的实现思路就是在add的时候直接触发fire,从而再次执行list列表

firingStart = start;
 fire(memory);

 

因为memory是基于在当前add的时候出发fire保持以前的值,将添加到这个列表的后面的最新的值立即执行调用任何回调

那么就只会递归出包括当前以前的所有队列

var callbacks = $.Callbacks("memory");

callbacks.add( fn1 );
callbacks.fire( "1" );

callbacks.add( fn1 );
callbacks.fire( "2" );

callbacks.add( fn1 );
callbacks.fire( "3" );

callbacks.add( fn1 );
callbacks.fire( "4" );

 

fn1 says: 1
fn1 says: 1
fn1 says: 2
fn1 says: 2
fn1 says: 2
fn1 says: 3 
fn1 says: 3
fn1 says: 3
fn1 says: 3 
fn1 says: 4 
fn1 says: 4
fn1 says: 4 
fn1 says: 4

 

组合

var callbacks = $.Callbacks("once,memory");

callbacks.add( fn1 );
callbacks.fire( "1" );

callbacks.add( fn1 );
callbacks.fire( "2" );

callbacks.add( fn1 );
callbacks.fire( "3" );

callbacks.add( fn1 );
callbacks.fire( "4" );

 

image

转载于:https://www.cnblogs.com/aaronjs/p/3713750.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值