CN113626015B - 一种适用于i语言的高性能运行优化方法 - Google Patents
一种适用于i语言的高性能运行优化方法 Download PDFInfo
- Publication number
- CN113626015B CN113626015B CN202110974344.2A CN202110974344A CN113626015B CN 113626015 B CN113626015 B CN 113626015B CN 202110974344 A CN202110974344 A CN 202110974344A CN 113626015 B CN113626015 B CN 113626015B
- Authority
- CN
- China
- Prior art keywords
- language
- optimization
- variables
- data
- structure data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000000547 structure data Methods 0.000 claims abstract description 22
- 238000013433 optimization analysis Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims abstract description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 2
- 238000011161 development Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明公开了一种适用于I语言的高性能运行优化方法,包括,采集系统I语言逻辑结构数据;初始化种群,设置所述种群的初始速度;基于I语言优化初始策略,注册组件、容器以及排他面板分别依据自身效用函数,输出优化阈值范围并传递给控制中心;所述控制中心利用优化分析模型进行I语言运行是否收敛的判断,若收敛,则跳出循环,输出判断结果;否则更新粒子位置,直至满足收敛判据,跳出循环,输出所述判断结果。本发明通过I语言优化初始策略进行种族训练优化,结合优化分析模型进行收敛性判断,优化了I语言运行速度,并提高了运行性能。
Description
技术领域
本发明涉及I语言的技术领域,尤其涉及一种适用于I语言的高性能运行优化方法。
背景技术
I语言是一种计算机编程语言,不同于其他计算机编程语言,它采用图形化的编程方式,通过图、节点、箭头就可以完成程序的逻辑设计,极大的减少了代码量,提高了开发效率,并降低了编程门槛,主要解决了编程难的问题;同时,它也是一种集成开发环境,能实现产品的快速开发和维护,解决了软件产品和项目开发难的问题。
I语言在开发初期,还没有解决高性能运行的问题,虽然至今已经取得了很大的进步,但是在面对一些特殊客户需求进行软件设计时仍然无法体现出较高的运行性能,这将大大增加使用者的工作量,且影响后期用户的使用感。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的技术问题是:高性能运行。
为解决上述技术问题,本发明提供如下技术方案:包括,采集系统I语言逻辑结构数据;初始化种群,设置所述种群的初始速度;基于I语言优化初始策略,注册组件、容器以及排他面板分别依据自身效用函数,输出优化阈值范围并传递给控制中心;所述控制中心利用优化分析模型进行I语言运行是否收敛的判断,若收敛,则跳出循环,输出判断结果;否则更新粒子位置,直至满足收敛判据,跳出循环,输出所述判断结果。
作为本发明所述的适用于I语言的高性能运行优化方法的一种优选方案,其中:所述I语言逻辑结构数据包括,组件、事件、动态变量、原生变量和特有属性;所述组件包括,前端页面的组成单元;所述事件包括,每个组件都有自己的事件产生,鼠标点击或加载完成;所述动态变量包括,前端和后端数据交换所绑定的的一个名称,a.b.c在后端使用$.view[a.b.c]=xxx来操作组件所绑定的动态变量;所述原生变量包括,一些前端组件所依赖但又不需要动态的变量,分割容器组件的默认左侧宽度leftWidth变量;所述特有属性包括,组件定义了一些独特的变量,但不是每个组件都拥有的数据名称。
作为本发明所述的适用于I语言的高性能运行优化方法的一种优选方案,其中:还包括,标签组、数据表格、树形结构、单组件面板、渲染器和排他面板。
作为本发明所述的适用于I语言的高性能运行优化方法的一种优选方案,其中:设置所述种群的初始速度包括,预处理所述I语言逻辑结构数据,清洗、筛选后得到归一化的标签数据;初始化所述标签数据;定义学习率为0.1,训练次数为n,输出阈值为0.5。
作为本发明所述的适用于I语言的高性能运行优化方法的一种优选方案,其中:所述I语言优化初始策略包括,
其中,Ts表示初始I语言逻辑结构数据;Ta表示运行中I语言逻辑结构数据;Mo表示系统运行权重比率;Icl表示优化均值方差。
作为本发明所述的适用于I语言的高性能运行优化方法的一种优选方案,其中:所述优化阈值范围包括,若0.5<IPMV≤1,则所述I语言优化初始策略运行成功,直接输出所述优化阈值范围;若IPMV<0.5,则所述I语言优化初始策略运行不成功,重新进行初始化训练,直至满足阈值输出要求。
作为本发明所述的适用于I语言的高性能运行优化方法的一种优选方案,其中:所述优化分析模型包括,
其中,LA∪EV∪AC∪DGO为I语言逻辑结构数据优化参与者;SLA、SEV、SAC和SDGO为不同的I语言逻辑结构数据优化参与者策略集;PLA、CEV、CAC和PDGO为各主体的效用函数。
作为本发明所述的适用于I语言的高性能运行优化方法的一种优选方案,其中:所述判断结果包括,若收敛,则系统中运行的I语言优化成功,运行性能较高;若未收敛,则系统中运行的I语言未优化成功,运行性能较低。
本发明的有益效果:本发明通过I语言优化初始策略进行种族训练优化,结合优化分析模型进行收敛性判断,优化了I语言运行速度,并提高了运行性能。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例所述的适用于I语言的高性能运行优化方法的流程示意图;
图2为本发明一个实施例所述的适用于I语言的高性能运行优化方法的一种举例说明示意图;
图3为本发明一个实施例所述的适用于I语言的高性能运行优化方法的又一种举例说明示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的第一个实施例,提供了一种适用于I语言的高性能运行优化方法,包括:
S1:采集系统I语言逻辑结构数据。
S2:初始化种群,设置种群的初始速度。
S3:基于I语言优化初始策略,注册组件、容器以及排他面板分别依据自身效用函数,输出优化阈值范围并传递给控制中心。
S4:控制中心利用优化分析模型进行I语言运行是否收敛的判断。
S5:若收敛,则跳出循环,输出判断结果。
S6:否则更新粒子位置,直至满足收敛判据,跳出循环,输出判断结果。
具体的,I语言逻辑结构数据包括:
组件、事件、动态变量、原生变量和特有属性;
组件包括,前端页面的组成单元;
事件包括,每个组件都有自己的事件产生,鼠标点击或加载完成;
动态变量包括,前端和后端数据交换所绑定的的一个名称,a.b.c在后端使用$.view[a.b.c]=xxx来操作组件所绑定的动态变量;
原生变量包括,一些前端组件所依赖但又不需要动态的变量,分割容器组件的默认左侧宽度leftWidth变量;
特有属性包括,组件定义了一些独特的变量,但不是每个组件都拥有的数据名称。
进一步的,设置种群的初始速度包括:
预处理I语言逻辑结构数据,清洗、筛选后得到归一化的标签数据;
初始化标签数据;
定义学习率为0.1,训练次数为n,输出阈值为0.5。
再进一步的,I语言优化初始策略包括:
其中,Ts表示初始I语言逻辑结构数据;Ta表示运行中I语言逻辑结构数据;Mo表示系统运行权重比率;Icl表示优化均值方差。
较佳的,优化阈值范围包括:
若0.5<IPMV≤1,则I语言优化初始策略运行成功,直接输出优化阈值范围;
若IPMV<0.5,则I语言优化初始策略运行不成功,重新进行初始化训练,直至满足阈值输出要求。
再进一步的是,优化分析模型包括:
其中,LA∪EV∪AC∪DGO为I语言逻辑结构数据优化参与者;SLA、SEV、SAC和SDGO为不同的I语言逻辑结构数据优化参与者策略集;PLA、CEV、CAC和PDGO为各主体的效用函数。
还需要说明的是,判断结果包括:
若收敛,则系统中运行的I语言优化成功,运行性能较高;
若未收敛,则系统中运行的I语言未优化成功,运行性能较低。
实施例2
参照图2和图3,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种适用于I语言的高性能运行优化方法的示例说明,如下:
优选地,本实施例为了便于非本技术领域人员的理解,以设计软件注册组件进行示例说明,如下:
(1)标签组
类型:容器类型
子组件:标签
父组件:无限制
事件:无
动态变量:无
原生变量:无
特有属性:activeTabValueName,当前激活的组件名称;defaultVal,默认激活的名称。
(2)标签
类型:容器类型
子组件:无限制
父组件:标签组
事件:无
动态变量:无
原生变量:无
特有属性:label,显示名称;name,名称。
(3)数据表格
类型:普通组件(实体类型)
子组件:无
父组件:容器类型
事件:insertRow,添加按钮被点击是触发,updateRow,用户操作导致数据发生更新是触发,deleteRow,删除按钮被点击时触发,rowClick,当前行被点击时触发,loaded,组件加载完成触发,cellContextmenu,单元格右击触发;
动态变量:fields,表头信息(参考字段表);tableData,表格内数据
原生变量:无
特有属性:无。
(4)树形结构
类型:普通组件(实体类型)
子组件:无
父组件:容器类型
事件:node-click,节点被点击触发;node-dblclick,节点被双击触发;node-contextmenu,节点右击时触发;node-expand,节点展开触发,loaded,组件加载完成触发;node-collapse,节点关闭触发
动态变量:updateChildNodes,更新节点的数据(数组类型);removeNodes(数组类型),删除节点的数据
原生变量:无
特有属性:无。
(5)水平可调二分容器
类型:容器类型
子组件:无限制
父组件:容器类型
事件:loaded,组件加载完成触发
动态变量:无
原生变量:leftWidth,左侧默认宽度百分比(数字类型:40表示左侧占40%)
特有属性:无。
(6)垂直可调二分容器
类型:容器类型
子组件:无限制
父组件:容器类型
事件:loaded,组件加载完成触发
动态变量:无
原生变量:topHeight,上方默认高度百分比(数字类型:40表示左侧占40%)
特有属性:无。
(7)单组件面板
类型:容器类型
子组件:无限制
父组件:容器类型
事件:loaded,组件加载完成触发
动态变量:无
原生变量:无
特有属性:无。
(8)渲染器
类型:普通组件(实体类型)
子组件:无
父组件:容器类型
事件:loaded,组件加载完成触发
动态变量:无
原生变量:无
特有属性:无。
(9)排他面板
类型:容器类型
子组件:无限制
父组件:容器类型
事件:无
动态变量:无
原生变量:无
特有属性:activeValueName,当前被激活的子组件。
当用户访问应用地址时,服务器内核通过websocket将需要加载的数据传输到前端,由前端内核完成数据解析并渲染出界面,用户点击或者其他事件产生时,内核根据开发者定义的响应图的id找到对应的图并调用,开发者可在响应事件的图中通过使用“$.view[“a.b.c”]=xxx”来改变动态变量,从而达到改变前端视图的目的。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种适用于I语言的高性能运行优化方法,其特征在于:包括,
采集系统I语言逻辑结构数据;
初始化种群,设置所述种群的初始速度,预处理所述I语言逻辑结构数据,清洗、筛选后得到归一化的标签数据,初始化所述标签数据,定义学习率为0.1,训练次数为n,输出阈值为0.5;
所述I语言优化初始策略包括,
其中,Ts表示初始I语言逻辑结构数据;Ta表示运行中I语言逻辑结构数据;Mo表示系统运行权重比率;Icl表示优化均值方差;
所述优化阈值范围包括,
若0.5<IPMV≤1,则所述I语言优化初始策略运行成功,直接输出所述优化阈值范围;
若IPMV<0.5,则所述I语言优化初始策略运行不成功,重新进行初始化训练,直至满足阈值输出要求;
基于I语言优化初始策略,注册组件、容器以及排他面板分别依据自身效用函数,输出优化阈值范围并传递给控制中心;
所述控制中心利用优化分析模型进行I语言运行是否收敛的判断;
若收敛,则跳出循环,输出判断结果;
否则更新粒子位置,直至满足收敛判据,跳出循环,输出所述判断结果;
所述I语言逻辑结构数据包括,组件、事件、动态变量、原生变量和特有属性;
所述组件包括,前端页面的组成单元;
所述事件包括,每个组件都有自己的事件产生,鼠标点击或加载完成;
所述动态变量包括,前端和后端数据交换所绑定的的一个名称,a.b.c在后端使用$.view[a.b.c]=xxx来操作组件所绑定的动态变量;
所述原生变量包括,一些前端组件所依赖但又不需要动态的变量,分割容器组件的默认左侧宽度leftWidth变量;
所述特有属性包括,组件定义了一些独特的变量,但不是每个组件都拥有的数据名称,还包括,标签组、数据表格、树形结构、单组件面板、渲染器和排他面板。
2.根据权利要求1所述的适用于I语言的高性能运行优化方法,其特征在于:所述优化分析模型包括,
其中,LA∪EV∪AC∪DGO为I语言逻辑结构数据优化参与者;SLA、SEV、SAC和SDGO为不同的I语言逻辑结构数据优化参与者策略集;PLA、CEV、CAC和PDGO为各主体的效用函数。
3.根据权利要求2所述的适用于I语言的高性能运行优化方法,其特征在于:所述判断结果包括,
若收敛,则系统中运行的I语言优化成功,运行性能较高;
若未收敛,则系统中运行的I语言未优化成功,运行性能较低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110974344.2A CN113626015B (zh) | 2021-08-24 | 2021-08-24 | 一种适用于i语言的高性能运行优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110974344.2A CN113626015B (zh) | 2021-08-24 | 2021-08-24 | 一种适用于i语言的高性能运行优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113626015A CN113626015A (zh) | 2021-11-09 |
CN113626015B true CN113626015B (zh) | 2024-04-26 |
Family
ID=78387428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110974344.2A Active CN113626015B (zh) | 2021-08-24 | 2021-08-24 | 一种适用于i语言的高性能运行优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113626015B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5868576A (en) * | 1994-02-15 | 1999-02-09 | Fuji Xerox Co., Ltd. | Language-information providing apparatus |
CN1862488A (zh) * | 2006-06-09 | 2006-11-15 | 上海科泰世纪科技有限公司 | 计算机系统中控件与多语言文本动态绑定显示的方法 |
WO2016055895A1 (en) * | 2014-10-06 | 2016-04-14 | International Business Machines Corporation | Natural language processing utilizing logical tree structures and propagation of knowledge through logical parse tree structures |
CN106569824A (zh) * | 2016-11-07 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 页面数据编译的方法和装置、页面渲染的方法和装置 |
CN106919434A (zh) * | 2017-03-22 | 2017-07-04 | 恒生电子股份有限公司 | 一种代码生成方法及装置 |
CN107179933A (zh) * | 2017-06-08 | 2017-09-19 | 成都未来之门科技有限公司 | 动态语言变量识别方法、装置、翻译方法及软件移植方法 |
CN111047272A (zh) * | 2019-11-07 | 2020-04-21 | 苏宁云计算有限公司 | 一种用于多语言协同开发的项目调度方法及装置 |
CN111461282A (zh) * | 2020-02-24 | 2020-07-28 | 杭州电子科技大学 | 一种基于改进量子行为粒子群算法的模型辨识方法 |
CN112214202A (zh) * | 2020-09-27 | 2021-01-12 | 西思艾(北京)软件有限公司 | 一种无须写代码的手机程序开发平台 |
CN113240210A (zh) * | 2021-06-30 | 2021-08-10 | 上海电力大学 | 一种基于多主体主从博弈的负荷聚合商经济优化方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005119475A2 (en) * | 2004-06-04 | 2005-12-15 | Khimetrics, Inc. | Attribute modeler |
US8229921B2 (en) * | 2008-02-25 | 2012-07-24 | Mitsubishi Electric Research Laboratories, Inc. | Method for indexing for retrieving documents using particles |
-
2021
- 2021-08-24 CN CN202110974344.2A patent/CN113626015B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5868576A (en) * | 1994-02-15 | 1999-02-09 | Fuji Xerox Co., Ltd. | Language-information providing apparatus |
CN1862488A (zh) * | 2006-06-09 | 2006-11-15 | 上海科泰世纪科技有限公司 | 计算机系统中控件与多语言文本动态绑定显示的方法 |
WO2016055895A1 (en) * | 2014-10-06 | 2016-04-14 | International Business Machines Corporation | Natural language processing utilizing logical tree structures and propagation of knowledge through logical parse tree structures |
CN106569824A (zh) * | 2016-11-07 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 页面数据编译的方法和装置、页面渲染的方法和装置 |
CN106919434A (zh) * | 2017-03-22 | 2017-07-04 | 恒生电子股份有限公司 | 一种代码生成方法及装置 |
CN107179933A (zh) * | 2017-06-08 | 2017-09-19 | 成都未来之门科技有限公司 | 动态语言变量识别方法、装置、翻译方法及软件移植方法 |
CN111047272A (zh) * | 2019-11-07 | 2020-04-21 | 苏宁云计算有限公司 | 一种用于多语言协同开发的项目调度方法及装置 |
CN111461282A (zh) * | 2020-02-24 | 2020-07-28 | 杭州电子科技大学 | 一种基于改进量子行为粒子群算法的模型辨识方法 |
CN112214202A (zh) * | 2020-09-27 | 2021-01-12 | 西思艾(北京)软件有限公司 | 一种无须写代码的手机程序开发平台 |
CN113240210A (zh) * | 2021-06-30 | 2021-08-10 | 上海电力大学 | 一种基于多主体主从博弈的负荷聚合商经济优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113626015A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Winograd | Architectures for context | |
CN100476819C (zh) | 一种基于Web的数据挖掘系统及其控制方法 | |
JP2004259286A (ja) | 階層データの複数方向での表示およびナビゲーション、ならびに、表示領域消費の最適化 | |
CN1713196B (zh) | 基于自动化设计网格的产品定制系统 | |
TWI238948B (en) | Visual navigation utilization web technology | |
CN106341444B (zh) | 数据访问方法和装置 | |
CN100371935C (zh) | 基于浏览器的仿操作系统人机交互实现方法 | |
JP4829946B2 (ja) | 推定関心度に基づいてノード・リンク構造体をブラウジングするためのプログラム | |
WO2004097569A2 (en) | Search engine supplemented with url's that provide access to the search results from predefined search queries | |
CN106445486A (zh) | 一种构造和生成网页的方法及系统 | |
JP2001306308A (ja) | データ中心アプリケーションのクラス定義方法 | |
CN110502212A (zh) | 一种面向多语言的高并发在线开发支撑方法 | |
CN1316782C (zh) | 在b/s结构中实现树型结构的方法 | |
CN102981823A (zh) | 一种领域驱动开发插件系统 | |
CN107977203A (zh) | 存储装置、应用程序控件以及用户界面的创建方法 | |
US7349893B2 (en) | Hierarchical user interface query automation | |
Blumendorf et al. | Dynamic user interface distribution for flexible multimodal interaction | |
CN113626015B (zh) | 一种适用于i语言的高性能运行优化方法 | |
Feng et al. | Gallery dc: Auto-created gui component gallery for design search and knowledge discovery | |
CN108052671A (zh) | 一种基于动态匹配进行内容项推送的方法及系统 | |
WO1996023280A1 (en) | Modelling and analysis of systems of three-dimensional object entities | |
CN100498738C (zh) | 虚拟结构式网络计算机支撑平台系统及构造方法 | |
CN115525321A (zh) | 分布式任务生成方法、装置、设备及存储介质 | |
CN111857696B (zh) | 一种视觉稿的结构调整方法、装置、设备和介质 | |
Pagliarini et al. | Alife meets web: Lessons learned |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |