为什么不能把2个程序都注册成随windows启动而运行?

liwei215 2002-09-20 12:17:42
Private Declare Function RegCreateKey& Lib "advapi32.dll" Alias "RegCreateKeyA" (ByVal hKey&, ByVal lpszSubKey$, lphKey&)
Private Declare Function RegSetValue Lib "advapi32.dll" Alias "RegSetValueA" (ByVal hKey As Long, ByVal lpSubKey As String, ByVal dwType As Long, ByVal lpData As String, ByVal cbData As Long) As Long

Private Const HKEY_LOCAL_MACHINE = &H80000002
Private Const REG_SZ = 1
Option Explicit
Private Sub cmdRegisterMyApp_Click()
Dim strKeyName As String
Dim strKeyValue As String
Dim intRet As Integer
Dim longKey As Long

strKeyName = "Software\Microsoft\Windows\CurrentVersion\Run"
strKeyValue = App.Path & "\" & "recordClient.exe"
intRet = RegCreateKey&(HKEY_LOCAL_MACHINE, strKeyName, longKey)
intRet = RegSetValue&(longKey&, "", REG_SZ, strKeyValue, 0&)

strKeyValue = App.Path & "\" & "recordClient2.exe"
intRet = RegSetValue&(longKey&, "recordClient2.exe", REG_SZ, strKeyValue, 0&)
MsgBox "registerMyApp success!"
cmdRegisterMyApp.Enabled = False
End Sub
第2个recordClient2.exe总是注册不成功,请各位指教。
...全文
57 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
program2100 2002-09-20
  • 打赏
  • 举报
回复
应该可以,再试试
要不就写成函数,调用两次,不就OK了!
内容概要:本文围绕基于深度强化学习DQN构建充电汽车的能量模型展开研究,旨在通过DQN算法优化电动汽车的储能系统能量管理与存储容量配置。研究利用Matlab实现算法仿真,构建了能够适应复杂用电环境和动态负荷变化的能量调度模型,有效解决了充电行为不确定性、电网负荷波动及用户用电成本之间的平衡问题。通过引入强化学习机制,模型具备自学习和自优化能力,能够在长期运行中不断调整策略,提升能源利用效率并降低运营成本。研究不仅涵盖了算法设计与模型搭建,还包括仿真验证与性能分析,展示了DQN在智能交通与能源耦合系统中的实际应用潜力。; 适合人群:具备一定机器学习与电力系统基础知识,从事智能电网、电动汽车、能源优化等相关领域研究的科研人员及工程技术人员,尤其适合研究生及以上层次的学习者。; 使用场景及目标:①应用于电动汽车充电站的能量管理系统,实现削峰填谷与负荷均衡;②服务于智能电网中用户侧能源的优化调度,提升可再生能源消纳能力;③作为深度强化学习在能源领域落地的典型案例,支撑相关课题研究与项目开发; 阅读建议:建议读者结合Matlab代码进行实践操作,重点关注状态空间、动作空间与奖励函数的设计逻辑,深入理解DQN算法在能量调度决策中的映射机制,并可通过修改参数或引入其他强化学习算法(如Double DQN、Dueling DQN)进一步拓展研究深度。
内容概要:本文深入解析了Vibe Coding这一新兴开发范式,即开发者通过自然语言描述系统行为的“感觉”或“氛围”,由AI自动生成高质量、可执行的代码。文章以一个基于Python和aio-pika实现的异步任务消费者为例,展示了AI在构建复杂分布式系统时的强大能力,涵盖连接容错、优先级队列、指数退避重试、消息重发机制及优雅关闭等生产级特性。代码生成过程体现出对高并发、状态管理与系统鲁棒性的深刻理解,反映了大语言模型在语义化编程、动态上下文理解和自修正循环方面的成熟应用。; 适合人群:具备一定编程基础,熟悉异步编程与消息队列,工作1-3年的后端或全栈研发人员;对AI辅助开发感兴趣的技术实践者。; 使用场景及目标:①快速构建具备生产级质量的分布式系统模块;②提升在高并发、容错处理、资源管理等复杂场景下的开发效率与代码可靠性;③探索AI在代码生成、测试验证和系统优化中的协同潜力。; 阅读建议:此资源强调“迭代式提示”与“意图驱动开发”,建议读者结合实际项目尝试用自然语言描述需求,引导AI生成骨架代码并逐步精细化,同时关注生成代码的健壮性与架构合理性,培养人机协作的新一代开发思维。
内容概要:本文围绕天空图像与光伏发电预测展开研究,利用Python编程语言实现相关算法与模型构建。通过采集和分析天空图像,提取云层覆盖、光照强度等关键气象特征,结合机器学习或深度学习模型,建立从视觉信息到光伏发电功率的映射关系,从而提升光伏发电系统的短期与超短期预测精度。文中涵盖了数据预处理、特征提取、模型训练与验证的完整流程,并可能引入如卷积神经网络(CNN)、长短期记忆网络(LSTM)或注意力机制等先进模型以捕捉时空相关性,最终实现对光伏出力波动的有效预测,为电网调度与能源管理提供技术支持。; 适合人群:具备一定Python编程基础和机器学习背景,从事新能源、电力系统、气象预测等相关领域的科研人员及工程技术人员,尤其适合研究生及以上层次的学习者。; 使用场景及目标:① 提升光伏电站发电功率预测的准确性,支撑电网稳定运行;② 探索天空视觉信息在可再生能源预测中的应用价值;③ 为智能微网、能源互联网等场景下的源荷预测提供技术参考。; 阅读建议:建议读者结合实际数据集动手复现代码,重点关注图像特征提取与时间序列预测模型的融合方法,同时可拓展引入更多先进的深度学习架构以进一步优化预测性能。

7,789

社区成员

发帖
与我相关
我的任务
社区描述
VB 基础类
社区管理员
  • VB基础类社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧