神临的uLua学习(三)

这几天过圣诞,各种送礼,各种收礼,感觉 过节==消费,哎…….

下面继续关于uLua的使用学习笔记,这次要写的是一个复杂度高的脚本了,是关于如何在uLua中使用委托的方式.
14.LuaDelegate_1(这是uLua委托的主要程序)

const string script = @"
        local func1 = function() print('测试委托1'); end
        local func2 = function(gameObj) print('测试委托2:>'..gameObj.name); end

        function testDelegate(go) 
            local ev = go:AddComponent(TestDelegateListener.GetClassType());

            ---直接赋值模式---
            ev.onClick = func1;

            ---C#的加减模式---
            local delegate = DelegateFactory.TestLuaDelegate_VoidDelegate(func2);
            ev.onEvClick = ev.onEvClick + delegate;
            --ev.onEvClick = ev.onEvClick - delegate;
        end
    ";

    void Start () {
        LuaScriptMgr mgr = new LuaScriptMgr();
        mgr.Start();
        mgr.DoString(script);

        LuaFunction f = mgr.GetLuaFunction("testDelegate");
        f.Call(gameObject);     //将自己对象传给lua
    }

这里是相关的两个类

public class TestDelegateListener : MonoBehaviour
{
    public Action onClick = null;
    public TestLuaDelegate.VoidDelegate onEvClick = null;

    // Update is called once per frame
    void OnGUI() {
        if (GUI.Button(new Rect(10, 10, 200, 20), "测试委托1")) {
            if (onClick != null) onClick();
        }
        if (GUI.Button(new Rect(10, 50, 200, 20), "测试委托2")) {
            if (onEvClick != null) onEvClick(gameObject);
        }
    }
}
public class TestLuaDelegate : MonoBehaviour {
    public delegate void VoidDelegate(GameObject go);
    public VoidDelegate onClick;
}

委托这里有些复杂,但很重要,需要自己理解+实践.

15.LuaDelegate_2(这里是委托的第二种方式)

 private string script =
    @"                  
            function DoClick1(go)
                print('click1 on ', go.name)
            end

            function DoClick2(go)
                print('click2 on ', go.name)
            end

            local click2 = nil

            function AddDelegate(listener)                     
                listener.OnClick = DoClick1
                click2 = DelegateFactory.Action_GameObject(DoClick2)                
                listener.OnClick = listener.OnClick + click2                                    
            end

            function RemoveDelegate(listener)                
                listener.OnClick = listener.OnClick - click2       
                return delegate         
            end
    ";

    //需要删除的转LuaFunction为委托,不需要删除的直接加或者等于即可
    void Start()
    {
        LuaScriptMgr mgr = new LuaScriptMgr();
        mgr.Start();
        mgr.DoString(script);
        TestEventListener listener = gameObject.AddComponent<TestEventListener>();         

        LuaFunction func = mgr.GetLuaFunction("AddDelegate");
        func.Call(listener);                
        listener.OnClick(gameObject);
        func.Release();

        Debug.Log("---------------------------------------------------------------------");        
        func = mgr.GetLuaFunction("RemoveDelegate");
        func.Call(listener);
        listener.OnClick(gameObject);
        func.Release();        
    }

以及他的辅助类

public class TestEventListener : MonoBehaviour
{
    public Action<GameObject> OnClick = null;
}

相对来说第二种方式代码量要少一些.

虽然说是圣诞节,但是心情确实比较差.不过回头想一下也没有必要,各行各业都有它自己的难出吧,理解真的很重要.

就像写到这里了,谢谢.

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