杂七杂八

Hibernate历程:
JDBC直接连接-》DAO(DATA ACCESS DOMAIN OBJECT)一个表对应一个带有getter和setter方法的java类。再用一个专门的类,里面写些CRUD的操作方法,一般每个方法的开头都是进行数据库的连接操作(在数据库移植性上有所缺陷)-》通过接口来实现把数据库移植上的问题简化成配置文件的设置(这样我们可以使用同一个接口DAO来根据配置文件的不同获得相应所需的底层实现DAOImp。如某个DAO根据配置文件的不同来决定是获取底层实现DAOImp_oracle.class还是 DAOImp_mysql.class)

 

项目持久层选型时是否要选择hibernate主要依赖:

1、你的数据库中表之间的关联关系是否很复杂。
2、你的应用是否会大量采用多表组合查询。 

3、每次加载的数据量(即一次取出的数据条数)是否过大

如果不是,选择Hibernate完全没有问题(不管是大项目还是小项目)

 
项目经验小小结:
1,作项目开始时候不要考虑验证。。假设全部是合法输入。等测试用例出来后写一个专门的验证方法,在执行相应操作前调用以确保页面数据的正确性。
2,对某一页面上有大量输入数据需要进行验证的时候,将同一类型的错误放在一起,而不要每次遇到一个错误就停止验证,跳转到错误页面。
3,对于backing bean中的全局变量,在进入某个方法的时候最好先把所有需要用到的全局变量初始化,以免出现一个页面的信息出现在另一个页面上的错误。
4,对于if语句,要充分考虑是否要进行else处理。相关的,要留心变量特别是list类型的变量是null还是new ArrayList()的(这个可能导致程序半路出错,如list.size()当list为null时就会出错)。
5,每个函数中将变量分类定义到顶部,不要在程序中间进行变量的定义或者初始化操作。

6,写程序要尽量高效,不能偷懒。

7,查询页面要避免大量数据库读取操作,尤其是循环里的数据库操作是绝对禁止的。写数据库函数可以提高查询效率。

 

URL编码规则:

URL 编码是一种浏览器用来打包表单输入的格式. 浏览器从表单中获取所有的name和其中的值 ,将他们作为name/value参数编码, 移去那些不能传送的字符, 将数据排行等等,这些还取决于你用GET还是POST?作为URL的一部分或者分离地发给服务器. 不管哪种情况, 在服务器端的表单输入格式样子象这样:

 

theName=Ichabod+Crane&gender=male&status=missing&headless=yes
 
URL编码遵循下列规则:
  • 每对name/value由&符分开.
  • 每对来自表单的name/value由=符分开. 如果用户没有输入值给这个name,那么这个name还是出现,只是无值(象这样 "name=").
  • 任何特殊的字符(就是那些不是简单的七位ASCII,如汉字) 将以百分符%用十六进制编码. 当然也包括象 =, &, 和 % 这些特殊的字符.
  • 在输入区中的空格将以加号+显示.

因为表单输入是用这个URL编码传递给你的脚本的,在你用这些参数之前必须解码,因为解码是个很普遍的工作,可以有很多工具做这个工作 . 你没有必要自己写这个解码程序.

这里介绍一个叫uncgi的解码程序, 你可以从http://www.hyperion.com/~koreth/uncgi.html. 得到原码,安装在你自己的cgi-bin目录下.

 

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