CoreData 简单的查询、修改 无监听

本文介绍了 CoreData 的核心概念,包括 Entity、Propery、ManagedObjectModel 等,并提供了 CRUD 操作的具体实现示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

CoreData使用笔记

1. 重要概念

1) Entity  (NSEntityDescription)

    对应数据库中的表  

NSEntityDescription  *userEntity  =  
[[[NSEntityDescription  alloc]  init]  autorelease];  
[userEntity  setName:@"User"]; 

2) Propery (NSAttributeDescription)

    Entity的列

NSAttributeDescription  *nameAttribute;  
nameAttribute  =  [[[NSAttributeDescription  alloc]  init]  autorelease];  
[nameAttribute  setName:@"name"];  
[nameAttribute  setAttributeType:NSStringAttributeType];  
[nameAttribute  setOptional:NO];  

把属性和表关联:

[userEntity  setProperties:  
[NSArray  arrayWithObjects:  dobAttribute,  nameAttribute,  nil]];  

2) Managed Object Model (NSManagedObjectModel)

    相当于数据库里的schema (什么是schema,请百度下)

3) Managed Object Context (NSManagedObjectContext)

    相当于数据库中的表

4) Managed Object

    相当于数据库的行。

5) Persistent Store coordinator

   

2. Core Data 的 CRUD操作

 1) Create

 例子:插入一条新的记录


-(BOOL)addUser:(NSString*)  _userName  dateOfBirth:(NSDate*)_dob  
    andSocial:(NSString*)_social
{  
    User  *user  =  (User  *)[NSEntityDescription  
    insertNewObjectForEntityForName:@"User"  
    inManagedObjectContext:self.managedObjectContext];  
    user.dob  =  _dob;  
    user.name  =  _userName;  
    user.social  =  _social;  
    return  [self.managedObjectContext save:NULL];  
}  

 2) Delete

[self.managedObjectContext  deleteObject:user];  
[self.managedObjectContext  save:NULL];  

3) Read and update

   i) 无条件的Fetch


-(NSArray*)allUsers{  
    NSFetchRequest  *request  =  
    [[[NSFetchRequest  alloc]  init]  autorelease];  
    NSEntityDescription  *entity  =  
    [NSEntityDescription  entityForName:@"User" inManagedObjectContext:self.managedObjectContext];  
    [request  setEntity:entity];  
    return  [self.managedObjectContext executeFetchRequest:request  error:NULL];  
} 

   ii) 有条件的Fetch


-(NSArray*)usersWithNameQuery:(NSString*)_query
{  
    NSFetchRequest  *request  =  [[[NSFetchRequest  alloc]  init]  autorelease];  
    NSEntityDescription  *entity  =  
    [NSEntityDescription entityForName:@"User" inManagedObjectContext:self.managedObjectContext];  
    [request  setEntity:entity];  
    NSPredicate *predicate = [NSPredicate  predicateWithFormat:@"name  like[cd]  %@",  [NSString  stringWithFormat:@"*%@*",  _query]];  
    [request setPredicate:predicate];  
    return  [self.managedObjectContext executeFetchRequest:request  error:NULL];  
}  

  iii) 排序Fetch


-(NSArray*)allUsersSorted
{  
    NSFetchRequest  *request  =  [[[NSFetchRequest  alloc]  init]  autorelease];  
    NSEntityDescription  *entity  =  
    [NSEntityDescription  entityForName:@"User"  
    inManagedObjectContext:self.managedObjectContext];  
    [request  setEntity:entity];  
    NSSortDescriptor  *sortDescriptor  =  
    [[[NSSortDescriptor  alloc]  initWithKey:@"dob"  ascending:NO]  
    autorelease];  
    [request  setSortDescriptors:  
    [NSArray  arrayWithObject:sortDescriptor]];  
    return  [self.managedObjectContext executeFetchRequest:request  error:NULL];  
}  

 

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
内容概要:论文《基于KANN-DBSCAN带宽优化的核密度估计载荷谱外推》针对传统核密度估计(KDE)载荷外推中使用全局固定带宽的局限性,提出了一种基于改进的K平均最近邻DBSCAN(KANN-DBSCAN)聚类算法优化带宽选择的核密度估计方法。该方法通过对载荷数据进行KANN-DBSCAN聚类分组,采用拇指法(ROT)计算各簇最优带宽,再进行核密度估计和蒙特卡洛模拟外推。实验以电动汽车实测载荷数据为对象,通过统计参数、拟合度和伪损伤三个指标验证了该方法的有效性,误差显著降低,拟合度R²>0.99,伪损伤接近1。 适合人群:具备一定编程基础和载荷数据分析经验的研究人员、工程师,尤其是从事汽车工程、机械工程等领域的工作1-5年研发人员。 使用场景及目标:①用于电动汽车载荷谱编制,提高载荷预测的准确性;②应用于机械零部件的载荷外推,特别是非对称载荷分布和多峰扭矩载荷;③实现智能网联汽车载荷预测与数字孪生集成,提供动态更新的载荷预测系统。 其他说明:该方法不仅解决了传统KDE方法在复杂工况下的“过平滑”与“欠拟合”问题,还通过自适应参数机制提高了方法的普适性和计算效率。实际应用中,建议结合MATLAB代码实现,确保数据质量,优化参数并通过伪损伤误差等指标进行验证。此外,该方法可扩展至风电装备、航空结构健康监测等多个领域,未来研究方向包括高维载荷扩展、实时外推和多物理场耦合等。
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