iOS学习笔记-087.彩票02——自定义tabBar

彩票02——自定义tabBar

一、问题分析

前面的示例中,我们发现系统的tabBar 中的子控件的高度超过了 tabBar的高度。中间有空隙,一句话:满足不了我们的需求。

解决方式:

方式1:移除系统的tabBar,添加自己的tabBar
1. TabBar用UIView代替(因为系统的TabBar不好用)
2. 子控键用UIButton代替
3. 切换子控制器 selectedIndex

方式2:移除系统tabBar子控件


二、自定义tabBar

2.1 简单分析

  1. 子控件的个数、选中的图片、默认的图片等是由外界决定的,那么他们应该提供一个方法来设置相关的东西。

  2. 我们得到了个数了以后,应该是使用代码来子控件,这个子控件使用 UIButton。这个button是可以相互切换的,因此我们应该添加点击事件。点击的选中,上一次选中的置为默认状态,那么我们需要一个变量来记住上一次选中的。

  3. 我们添加的子控件,需要铺满我们的tabBar ,需要我们自己计算每个控件的位置。我们可以知道子控件的高度是tabBar的高度,子控件的宽度是 tabBar/我们添加的个数。这个控件的x值等于:序号*子控件的宽度(序号从0开始)。

  4. 当我们点击了 子控件。表示我们选中了这个选项,我们需要通知外界,我选择改变了,那么我们需要添加一个协议。用来通知外界当前选中的item。

==问题==:我们发现我们的子控件,居然有高亮状态,我们来个简单粗暴的,直接自定义子控件,屏蔽掉高亮方法。

2.2 QWMTabBarButton.m

//
//  QWMTabBarButton.m
//  03_UIView79_彩票
//
//  Created by 杞文明 on 17/7/25.
//  Copyright © 2017年 杞文明. All rights reserved.
//
#import "QWMTabBarButton.h"

@implementation QWMTabBarButton

-(void)setHighlighted:(BOOL)highlighted{}

@end

2.2 QWMTabBar.h

//
//  QWMTabBar.h
//  03_UIView79_彩票
//
//  Created by 杞文明 on 17/7/24.
//  Copyright © 2017年 杞文明. All rights reserved.
//

#import <UIKit/UIKit.h>
@class QWMTabBar;

@protocol QWMTabBarDelegate <NSObject>

-(void)tabBar:(QWMTabBar *)tabBar index:(NSInteger)index;

@end

@interface QWMTabBar : UIView

/** 模型数组 */
@property (nonatomic, strong) NSArray *items;

@property (nonatomic,weak)id<QWMTabBarDelegate> delegate;

@end

2.3 QWMTabBar.m

//
//  QWMTabBar.m
//  03_UIView79_彩票
//
//  Created by 杞文明 on 17/7/24.
//  Copyright © 2017年 杞文明. All rights reserved.
//

#import "QWMTabBar.h"
#import "QWMTabBarButton.h"

@interface QWMTabBar()

/** 记录选中的按钮 */
@property (nonatomic, weak) UIButton *selButton;

@end

@implementation QWMTabBar

-(void)setItems:(NSArray *)items{
    _items = items;
    for (int i=0; i<items.count; i++) {
        //为了去除点击时候产生的高亮状态,我们自定义button
        UIButton *button = [[QWMTabBarButton alloc]init];
        [self addSubview:button];
        UITabBarItem *item = items[i];
        [button setBackgroundImage:item.image forState:UIControlStateNormal];
        [button setBackgroundImage:item.selectedImage forState:UIControlStateSelected];
        [button addTarget:self action:@selector(buttonOnClick:) forControlEvents:UIControlEventTouchDown];
    }
}

// 当按钮点击的时候调用
- (void)buttonOnClick:(UIButton *)button{
    //如果现在选中的就是上一次的,那么不处理
    if (_selButton==button) {
        return;
    }
    //1.取消上次的选中
    _selButton.selected = NO;

    //2.记录当前选中的按钮
    _selButton = button;

    //3.选中当期点击的按钮
    _selButton.selected = YES;

    //4.通知外界切换自控制器
    if([self.delegate respondsToSelector:@selector(tabBar:index:)]){
        [self.delegate tabBar:self index:button.tag];
    }
}

-(void)layoutSubviews{
    if(_items.count<=0)
        return;
     [super layoutSubviews];
    CGFloat buttonX = 0;
    CGFloat buttonY = 0;
    CGFloat buttonW = self.bounds.size.width / _items.count;
    CGFloat buttonH = self.bounds.size.height;

    int i = 0;
    for (UIButton *button in self.subviews) {
        button.tag = i;
        buttonX = buttonW * i;
        button.frame = CGRectMake(buttonX, buttonY, buttonW, buttonH);
        if (0==i) {
            [self buttonOnClick:button];
        }
        i++;
    }
}

@end

三、图示

这里写图片描述

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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