首页
\
问答
\
使用转换工具转换GUI项目后，在哪里放置CodenameOne StateMachine代码(Where to put CodenameOne StateMachine Codes after converting GUI project with conversion tool)
使用转换工具转换GUI项目后，在哪里放置CodenameOne StateMachine代码(Where to put CodenameOne StateMachine Codes after converting GUI project with conversion tool)
我使用转换工具转换了我的codenameOne GUI项目，但不知道将我的代码放在StateMachine类中的哪个位置。
转换后出现一些错误：
private static final java.util.HashMap<String, Class> formNameToClassHashMap = new java.util.HashMap<String, Class>();以上代码来自StateMachineBase和NetBeans提示显示
-source 1.2不支持泛型（使用-source 5或更高版本来启用泛型）
super.initListModelFileList(list);此代码来自StateMachine类，错误消息是“找不到符号”。
请问我该怎么办？
提前致谢。
I converted my codenameOne GUI project using conversion tool but did not know where to put my codes in StateMachine class.
And am getting some errors after conversion:
private static final java.util.HashMap<String, Class> formNameToClassHashMap = new java.util.HashMap<String, Class>();The above code is from StateMachineBase and NetBeans hint shows
generics are not supported in -source 1.2 (use -source 5 or higher to enable generics)
super.initListModelFileList(list);This code is from StateMachine class and the error message is that "cannot find symbol".
Please what should I do?
Thanks in advance.
原文：https://stackoverflow.com/questions/35099488
更新时间：2023-10-24 09:10
最满意答案
实际上，我原来的配方并不是很好。 这作为套装更好。
import pulp # Input data A = [ [2, 1, 0, 0], [2, 0, 0, 0], [2, 1, 2, 2], [1, 2, 2, 2], [2, 1, 1, 0] ] # Preprocess the data a bit. # Bikj = 1 if Aij != Akj, 0 otherwise B = [] for i in range(len(A)): Bi = [] for k in range(len(A)): Bik = [int(A[i][j] != A[k][j]) for j in range(len(A[i]))] Bi.append(Bik) B.append(Bi) model = pulp.LpProblem('Tim', pulp.LpMinimize) # Variables turn on and off columns. x = [pulp.LpVariable('x_%d' % j, cat=pulp.LpBinary) for j in range(len(A[0]))] # The sum of elementwise absolute difference per element and row. for i in range(len(A)): for k in range(i + 1, len(A)): model += sum(B[i][k][j] * x[j] for j in range(len(A[i]))) >= 1 model.setObjective(pulp.lpSum(x)) assert model.solve() == pulp.LpStatusOptimal print([xi.value() for xi in x])Actually, my original formulation wasn't very good. This is better as a set cover.
import pulp # Input data A = [ [2, 1, 0, 0], [2, 0, 0, 0], [2, 1, 2, 2], [1, 2, 2, 2], [2, 1, 1, 0] ] # Preprocess the data a bit. # Bikj = 1 if Aij != Akj, 0 otherwise B = [] for i in range(len(A)): Bi = [] for k in range(len(A)): Bik = [int(A[i][j] != A[k][j]) for j in range(len(A[i]))] Bi.append(Bik) B.append(Bi) model = pulp.LpProblem('Tim', pulp.LpMinimize) # Variables turn on and off columns. x = [pulp.LpVariable('x_%d' % j, cat=pulp.LpBinary) for j in range(len(A[0]))] # The sum of elementwise absolute difference per element and row. for i in range(len(A)): for k in range(i + 1, len(A)): model += sum(B[i][k][j] * x[j] for j in range(len(A[i]))) >= 1 model.setObjective(pulp.lpSum(x)) assert model.solve() == pulp.LpStatusOptimal print([xi.value() for xi in x])
相关问答
更多-
下列中不属于面向对象的编程语言的是?[2022-05-30]
a -
为什么````比`子集`好？(Why is `[` better than `subset`?)[2023-07-22]
这个问题在@James的评论中得到了很好的回答，指出了Hadley Wickham对子subset （和类似功能）的危害的一个很好的解释。 去读吧！ 这是一个长时间的阅读，所以在这里记录Hadley使用的例子可能是最有帮助的，这个例子最直接地解决了“可能出了什么问题”的问题： Hadley建议以下示例：假设我们要使用以下函数对数据框进行子集，然后重新排序： scramble <- function(x) x[sample(nrow(x)), ] subscramble <- function(x, con ... -
让我们考虑一维情况：您有一个数组数组，并允许您进行单个操作：从数组的其中一个元素的值中取1并将其添加到其他元素。 目标是通过最少的操作使所有元素均等。 这里的解决方案很简单：你选择随机的“太大的数字”，并添加一个随机的“太小”的数字。 现在让我来描述这与这个问题的关系。 您可以轻松计算每列和每行所需的总和。 这是矩阵中所有元素的总和除以列或行的数量。 从那时起，你可以计算哪些行和列需要减少，哪些增加。 看这里： 1 1 2 2 -2 1 0 1 1 +1 0 0 1 1 +2 1 1 1 2 -1 +1+2 ...
-
希望这可以帮助。 # Create data X <- iris[1:4, ] X # Sepal.Length Sepal.Width Petal.Length Petal.Width Species #1 5.1 3.5 1.4 0.2 setosa #2 4.9 3.0 1.4 0.2 setosa #3 4.7 3.2 ...
-
以下是一些示例数据： lon <- matrix(seq(-10,9.8,by=0.2),ncol=10,byrow=T) lat <- matrix(seq(-10,9.8,by=0.2),ncol=10,byrow=T) lon # which is the same as lat in this example: [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] -10 -9.8 -9.6 -9.4 -9.2 -9 -8 ...
-
MATLAB - 在矩阵的选定行/列中查找最大/最小值(MATLAB - finding max/min in selected rows/columns of a matrix)[2023-01-17]
假设子矩阵A（a，b）是连续的（如在您的示例中）： A = [ 0 2 4 0 2 0 5 0 4 5 0 3 0 0 3 0 ] a = [1 2]; b = [3 4]; B = A(a,b) [val,idx] = max(B(:)); [row,col] = ind2sub(size(B),idx); maxrow = row + a(1) - 1; maxcol = col + b(1) - 1; 您可以在子矩阵B中找到相对索引。这相当于子矩阵左上角的附加行和列。 现在假设a和 ... -
使用向量的子集矩阵(Subset Matrix using a vector)[2022-06-20]
这是一个选项： M <- matrix(rnorm(2 * 5), nrow = 5, ncol = 2) n <- c(2, 1, 2) Map(function(i, j) M[(i - j + 1):i, , drop = FALSE], cumsum(n), n) # [[1]] # [,1] [,2] # [1,] -0.2080075 -0.0146956 # [2,] -1.5513436 0.2253790 # # [[2]] # [,1] ... -
实际上，我原来的配方并不是很好。 这作为套装更好。 import pulp # Input data A = [ [2, 1, 0, 0], [2, 0, 0, 0], [2, 1, 2, 2], [1, 2, 2, 2], [2, 1, 1, 0] ] # Preprocess the data a bit. # Bikj = 1 if Aij != Akj, 0 otherwise B = [] for i in range(len(A)): Bi = ...
-
如何从数据表中的列子集中提取唯一行？(How do I extract the unique rows from a subset of columns in a data table?)[2022-09-10]
至少对我来说最直接的是@Justin建议的unique(jk[c4 >= 10, list(c1, c2)])或者unique(jk[c4 >= 10, c("c1", "c2"), with = F]) 。 到目前为止，后者是四个建议中最快的，至少在我的笔记本电脑上： microbenchmark( a=jk[c4 >= 10, list(c1,c2), keyby = list(c1,c2)][,c("c1","c2"),with=F], b=jk[c4 >= 10, unique(.SD), .SDc ... -
相当难读，但它确实有效。 m <- 5 # Matrix dimensions k <- 2 # The index of the the inner square that you want to extract cc[(cc$x %in% LETTERS[c(k,m-k+1)] & !cc$y %in% c(1:(k-1), m:(m-k+2))) | (cc$y %in% c(k, m-k+1) & !cc$x %in% LETTERS[c(1:(k-1), m:(m-k ...