一、布局优化

前一段时间找工作面试时问道Android 性能优化问题。有的问题问的我一头雾水,这其中问到了 内存优化 ,垃圾回收 ,布局优化等。看来是我知识更新的太慢了。 于是 业余 找了些资料 累计一些这方面的知识。


 第一个先说下布局吧。写了这么多界面,还从来没考虑过性能问题,只要实现功能效果就行,一看在手机上能跑 就行了,这个态度以后要慢慢改正。 项目中遇到过页面卡的问题 ,现在回想起页面的实现可能是页面中的 控件太多了 ,导致页面初始化时耗时较长。用setContentView() 方法 设置布局时,资源数据越大 解析越慢,例如 布局文件中 嵌套太多,控件摆放的太多 。 布局通常在activity的onCreate 方法中展开,因此加载view的时间的消耗会直接影响activity。要尽量减少 在布局加载上的时间花费。要改进这一点,有多重方式,很多优化的方式其实是相通的。


 1:减少创建的对象的数量

2:延迟 创建对象 


1.1 

(减少布局层次)在实际开发中 ,当写布局写多了后会有如下感觉,实现一个页面用线性布局(LinearLayout)会比用相对布局(RelativeLayout) 多些一下xml代码,嵌套也会多一些。因此 建议尽量用RelativeLayout 来 进行布局。


1.2 

(减少布局层次) 看资料说 当根元素是FrameLayout时 ,activity的内容视图中会出现2个Framelayout ,(在项目没这么写过) 这时候用merge 标签来替换FrameLayout 效果会好一些。Android会将标签中的子标签放入父FrameLayout。例如:

<?xml version=“1.0” encoding="UTF-8"?>
<merge xmls:android="http://schemas.android.com/apk/res/android">
<ImageView >
<TextView>
</merge>



1.3 重用布局
 这个在项目中用过,已经熟悉了。用<include> 标签将相同的布局 包含进自己的布局
<include andoid:layout="@layout/common" ...>


延迟 加载:ViewStub

 Android定义了一个 叫ViewStub类 ,可以推迟View的实例化 ,ViewStub是轻量级的不可见的视图,当需要显示布局时,可以用它来延迟 加载。


<?xml version=“1.0” encoding="UTF-8"?>
<Linearlayout xmls:android="http://schemas.android.com/apk/res/android">
	<ViewStub>
		id="@+id/viewStubid"
		inflatedId= "@+id/inflateID"
		andoid:layout="@layout/common"
	</ViewStub>
</Linearlayout>

在代码中展开布局
 Viewv viewStub = findViewById(R.id.viewStubid);
  View view =   viewStub .inflated(); //view就是我要显示的布局

更新。。。。









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