请教一个极弱智的问题:有关Radio Button

mn_th 2002-06-11 06:16:51

请教一个极弱智的问题:有关Radio Button
1.当我把所有Radio的Group选项选中,它就不再是单选按钮了, 或者说我得自己处理开关
2.不选中Group它是单选按钮, 但是无法添加相关变量,我无法判断那个被选中


我要实现的功能是:
在一个按钮的click中,判断三个Radio Button哪个被选中,调用相关函数,应该很简单的
...全文
91 4 打赏 收藏 转发到动态 举报
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
carole_zhang 2002-06-11
  • 打赏
  • 举报
回复
1.只选中的一个radiaobutton的group选项,然后再给他赋一个成员变量m_dopr,在OnInitDialog()函数中初始化这个成员变量。
2.在你的OnButton()函数中
UpdateData(true);
switch(m_dopr)
{
case0:
your action1;
break;
case1:
your action2;
break;
case2:
your action3;
break;

}
sterding 2002-06-11
  • 打赏
  • 举报
回复
1.You should ONLY select "GROUP" property of the first radio button!

2.add a member avaliable with ClassWizard for the first radio(e.g.IDC_RADIO1----int m_radio))

3.add code in your OnClick();
{
this->UpdateData(TRUE);
switch(m_radio)
{
case 0:
MessageBox("1 radio");
break;
case 1:
MessageBox("2 radio");
break;
case 2:
MessageBox("3 radio");
break;
}
.....
}

-----------It's OK!

//You can mail to me if you still have problem, i will send the source code to you!(sterding@seu.edu.cn)
kingfire 2002-06-11
  • 打赏
  • 举报
回复
不用那么麻烦,将Radio Button1设置为Group,其他两个保持默认值,
然后将Radio Button1设置一个变量int m_rad;
判断的时候:
UpdateData(TRUE);
m_rad=m_rad;//在这里就可以判断选中哪个radio button了!
pcman1990 2002-06-11
  • 打赏
  • 举报
回复
如果不用dialog的DoDataExchange机制的话,可以逐个去判断,例如:
BOOL bSelected = (GetDlgItem(IDC_BUTTON1)->SendMessage(BM_SETCHECK, nCheck, 0) == 1);
内容概要:本文围绕2026年高教社杯全国大学生数学建模竞赛E题“SEM广告投放策略”,构建了一个涵盖诊断、分类、优化与鲁棒决策的完整建模框架。基于某互联网公司142万元的SEM投放数据,文章从设计质量、关键词管理、出价预算和时间维度四个方面系统评估投放策略的合理性,揭示了消费集中、展位分层、工作日效应显著及假日效应分化等核心规律。提出基于成本—效益二维空间的五类关键词划分模型(黄金词、重点词、潜力词、问题词、无效词),结合中位数分割与聚类校验实现科学分类。在此基础上,建立预算约束下的0-1整数规划模型,采用两阶段算法求解最优关键词选择与出价策略,实现单位注册成本下降约20%。进一步引入CVaR鲁棒优化框架,有效应对竞价、点击、转化等不确定性,提升策略在端情景下的稳定性与抗风险能力。; 适合人群:具备一定数据分析与数学建模基础,参与数学建模竞赛或从事数字营销优化的研究人员与从业者,尤其适合高校本科生、研究生及企业数据分析师。; 使用场景及目标:①用于数学建模竞赛中广告投放类问题的建模与求解;②为企业SEM广告投放提供科学的诊断、分类与优化方法;③实现预算约束下的关键词选择与出价决策;④在不确定环境下提升广告投放策略的鲁棒性与抗风险能力。; 阅读建议:此资源不仅提供完整的建模思路与算法实现,还包含实际运行结果与策略输出模板,建议读者结合代码实践,深入理解模型构建逻辑,重点关注分类规则设计、整数规划建模及鲁棒优化的实现过程,并尝试在类似业务场景中进行迁移应用。
内容概要:本文研究了一种面向高维约束空间的多种群灰狼优化算法(MP-GWO),并将其应用于多无人机协同航迹规划问题中。通过引入多种群机制对标准灰狼优化算法进行改进,增强了算法的全局搜索能力,有效克服了早熟收敛问题,提升了在复杂高维非线性约束环境下的优化性能。文章系统阐述了算法的设计原理、收敛性理论分析及在多无人机路径规划中的性能保障机制,结合Matlab实现了完整的仿真验证,充分展示了该算法在路径安全性、避障能力、收敛速度与解的质量等方面的优越性。同时,研究深入探讨了动态环境下的协同规划策略与防撞机制,进一步提高了系统的鲁棒性与实际应用价值。; 适合人群:具备一定智能优化算法基础,从事无人机路径规划、群体智能优化、智能控制、运筹学或自动化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决多无人机在复杂三维空间中的协同航迹规划与实时避障问题;②提升高维、强约束非线性优化问题的求解效率与稳定性;③为智能无人系统提供可扩展的优化框架与可靠的仿真验证工具; 阅读建议:建议读者结合提供的Matlab代码深入理解算法实现细节,重点关注多种群划分策略、种群间信息交换机制与约束处理方法的设计原理,并可通过调整参数或测试不同场景进行复现实验,以掌握其在实际工程问题中的应用技巧与优化能力。

16,550

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC相关问题讨论
社区管理员
  • 基础类社区
  • Creator Browser
  • encoderlee
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

        VC/MFC社区版块或许是CSDN最“古老”的版块了,记忆之中,与CSDN的年龄几乎差不多。随着时间的推移,MFC技术渐渐的偏离了开发主流,若干年之后的今天,当我们面对着微软的这个经典之笔,内心充满着敬意,那些曾经的记忆,可以说代表着二十年前曾经的辉煌……
        向经典致敬,或许是老一代程序员内心里面难以释怀的感受。互联网大行其道的今天,我们期待着MFC技术能够恢复其曾经的辉煌,或许这个期待会永远成为一种“梦想”,或许一切皆有可能……
        我们希望这个版块可以很好的适配Web时代,期待更好的互联网技术能够使得MFC技术框架得以重现活力,……

试试用AI创作助手写篇文章吧