12 Iterationg Over Data With JSX

vi src/Contact.js

import React from 'react';

class Contact extends React.Component{

    render(){
         console.log(this.props.contacts);

        return(
            <ul>
            <li> {this.props.contact.name} {this.props.contact.phone}</li>
            </ul>
            )
    }
}
export default Contact;

vi ContactsList.js

import React from 'react';
import Contact from './Contact';
class ContactsList extends React.Component{

    render(){
         console.log(this.props.contacts);

        return(
            <ul>
            {this.props.contacts.map((contact)=>{
                return <Contact  contact={contact} key={contact.id}/>
            })}


            </ul>
            )
    }
}
export default ContactsList;

vi src/App.js

import React from 'react';
import ReactDOM from 'react-dom';
import ContactsList from './ContactsList';
const contacts =[
    {
        id :1,
        name: 'scott',
        phone:'555 666 5555'
    },
    {  id :2,
        name: 'Denny',
        phone:'555 666 6666'
    },
    {
        id :3,
        name: 'Dennis',
        phone:'555 666 7777'
    },
    {
        id :4,
        name: 'Copa',
        phone:'888 666 7777'
    }

    ]
class App extends React.Component {


render(){
     console.log(this.props.contacts);
    return(
        <div>
        <h1> Contacts List</h1>
        <ContactsList  contacts={this.props.contacts}/>
        </div>

        )
}


}

ReactDOM.render(<App contacts ={contacts}/>,document.getElementById('app'));

node_modules/.bin/webpack-dev-server
这里写图片描述

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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