JavaScript学习笔记

1、JS 交互性 安全性 跨平台性

2、JS的组成

------ECMAScript   JS的语法

-------BOM  浏览器对象模型

------DOM   文档对象模型

3、JS与HTML的结合

1、<script>  js代码</script>

2、<script src="1.js"> 引入外部文件 </script>

4、JS 的原始类型

string   var s="ddd"

number

boolean:

null 对象的引用为空

undefined     var aa;

typeof(s)   查看当前变量的类型

5、JS 语句

if    switch 什么类型都支持


6、JS运算符

var  s="123"

s+1  1231

s-1   122

var  s=123

s/1000*1000  123

var f=true //1

f+1  2

var f=false//  0

  f+1  1

== 与===

==  与类型无关 比较值

===  比较值和类型

console.log()

document.write("aaa");

document.write("<hr/>");

数组   var  a=[1,2,3]    var b=[1,"haha"]

var a=new Array(3)   var a=new Array(1,2,3)     a.length  长度可变 能够存放不同的数据类型

7、JS函数

1、function add(){}   2、var add=function(a,b){}      add(2,4)   3、var a=new Function("参数","函数体")

8、全局函数

var str="alert(123);"

eval(str);

encodeURL()  字符串编码

decodeURL()  字符串解码

isNAN()  判断字符串是不是数字   是的话返回false

parseInt();

9、 JS函数重载   不存在

用arguments 数组去接收参数

JS 的BOM 浏览器对象

1、navigator   对象   获取客户机 浏览器的信息     navigator.appName 浏览器名称

2、screen  屏幕对象   screen.width

3、location  请求url地址  

获取URL location.href

设置URL  function href(){   location.href="1.html"}

4、history 

function back(){  history.back();}

function next(){  history.next();}

5、window  窗口 对象  顶层对象

所有的bom对象都在Window下操作

alert();   confirm("确认删除吗");//返回值  true  false

prompt ()  ;输入提示  prompt (“请输入”,“0”);

open()  打开新的窗口  open("1.html","","width=200,heigth=300")

close();

做定时器  setInterval("JS代码",3000);每3秒执行JS

setTimeout("JS代码",3000);3秒后执行JS


clearInterval(id)  clearTimeout(id)

DOM  文档对象

document   整个HTML

element  标签元素

属性对象 文本对象1

Node 节点对象是所有父对象  对象找不到想要的方法 在node对象找


基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
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