[android]_[Async异步任务使用]

本文介绍了Android中AsyncTask类的基本用法及其实现细节。通过一个具体的例子展示了如何使用AsyncTask来处理耗时任务,并解释了其核心方法如doInBackground、onPostExecute等的执行流程。

android提供了一套专门用于异步处理的类。即:AynsTask类。使用这个类可以为耗时程序开辟一个新线程进行处理,处理完时返回。

asysTask类主要用到的几个内部回调函数有:
  doInBackGround()

onPreExecute()

onPostExecute()

onProgressUpdate()

执行顺序如下图:



public class AnsyTestActivity extends Activity {
    /** Called when the activity is first created. */
   
    TextView text =null;
    Button button=null;
    String str=null;
    AnsyTry anys=null;
    double result=0;
   
    @Override
    public void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.main);
        text=(TextView) findViewById(R.id.text);
        button=(Button) findViewById(R.id.button);
        str="wei";
        button.setOnClickListener(new OnClickListener() {
           
            @Override
            public void onClick(View v) {
                // TODO Auto-generated method stub
                anys=new AnsyTry(text);
                anys.execute(str);
               
            }
        });
    }
   
   
    class AnsyTry extends AsyncTask<String, TextView, Double>{
       
        TextView te=null;
       
        public AnsyTry(TextView te) {
            super();
            this.te = te;
        }

        @Override
        protected Double doInBackground(String... params) {
            // TODO Auto-generated method stub
            double dou=0;
            if(params[0].equals("wei")){
                System.out.println(Thread.currentThread().getName()+"  recive wei");
                dou=100;
            }
            publishProgress(te);
            return dou;
        }

        @Override
        protected void onPostExecute(Double result) {
            // TODO Auto-generated method stub
            super.onPostExecute(result);
            System.out.println("postExecute---double---"+result);
        }

        @Override
        protected void onPreExecute() {
            // TODO Auto-generated method stub\
            System.out.println("pretExecute------");
            super.onPreExecute();
        }

        @Override
        protected void onProgressUpdate(TextView... values) {
            // TODO Auto-generated method stub
            values[0].setText(values[0].getText()+"1");
            super.onProgressUpdate(values);
        }
       
    }
}


六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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