脚本语言开发工具Script.NET2.0 beta2版本发布,欢迎下载使用

oceanheart 2007-07-10 10:40:13
Script.NET是蓝蚂蚁工作室开发的脚本语言通用开发平台,主页地址:
http://www.blueantstudio.net
V2.0版本主要的新特性如下,这个版本目前只支持Tcl、NSIS脚本开发,后续会逐渐增加Python、Ruby、Lua等脚本:

1、组件化程度大大增强,采用类似Eclipse的组件架构,并在性能、扩展性、灵活性等方面做了很多的考虑,主要有三类组件:OWM界面组件、解释器组件、普通的组件(VCI组件)。可以方便的扩展界面、脚本解释器、非界面类组件。
2、界面美观性的改进,支持Office2007、Visual Studio 2005等界面风格和界面换肤。
国际化的支持,采用一种非常方便的国际化手段,使系统完全支持国际化,(目前主要是中文和英文)。
3、非常强的界面扩展能力,界面中的很多地方都可以通过VC或各种脚本语言来扩展,特别是提供了TclVci扩展模块,使得在脚本中可以直接调用界面和组件的接口,实现各种功能。
4、强大的脚本开发能力和扩展能力,Script.NET V2将脚本解释器作为独立的组件,通过开发向导可以自己扩展其他的脚本解释器,系统定义了一个解释器的标准接口,如果全部实现接口的功能,则扩展的解释器将具有强大的调试能力,并可以在任意脚本中直接调用系统中的其他组件和平台的功能接口,可以支持Tcl等脚本的编译、构建可执行文件。
5、TclFace本地web开发包,提供了TclFace界面扩展包,用于开发基于Tcl的本地web界面,思路类似于Java中的JSF,将本地web界面开发对象化,可以采用堆积各种组件的方法来开发本地web界面,Scrpt.NET本身的各种管理界面就是用TclFace(TLF)开发的。此模块目前还只实现了一小部分功能,还在不断完善中,源代码请参考Tcl库的tclFace目录。
6、各种功能强大的扩展组件,包括图象编辑器组件、UML组件、查找组件等,另外还增加NSIS脚本的支持...
7、支持在线升级,有新版本或补丁发布时可以方便的进行升级。

...全文
385 4 打赏 收藏 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
jason_30 2007-09-21
  • 打赏
  • 举报
回复
支持,我用楼主的Script.NET V1版进行tcl开发一年多,感觉Script.NET 是现有TCL脚本编辑器中最好用的一款,Script.NET 提供了丰富的文档和例子程序,使用起来非常方便。

V2 版添加了如此多的功能,我对扩展组件组建比较感兴趣,通过Script.NET 提供的平台可以很方便的开发组件,我正准备开发一些自己的组件,希望有机会和大家一起分享。
oceanheart 2007-08-23
  • 打赏
  • 举报
回复
可以直接在蓝蚂蚁工作室的主页上下载,下载页面:
http://www.blueantstudio.net/scriptnet/download/downloadv2.htm
unforgiven7758521 2007-08-21
  • 打赏
  • 举报
回复
怎么下载阿
iambic 2007-07-12
  • 打赏
  • 举报
回复
哎,也不知道怎么支持好。有机会试用下吧。
【文章复现】非线性值迭代自适应动态规划(ADP):离散时间非线性系统的策略迭代自适应动态规划算法研究(Matlab代码实现)内容概要:本文详细介绍了非线性值迭代自适应动态规划(ADP)在离散时间非线性系统中的应用,重点研究了策略迭代自适应动态规划算法的设计与实现。文章通过构建数学模型,结合Matlab代码实现了对非线性系统的控制策略优化,分析了算法在不同工况下的性能表现,并探讨了其在工程实践中的可行性和有效性。研究涵盖了系统建模、控制器设计、仿真验证等关键环节,旨在为复杂非线性系统的自动化控制提供新的解决方案。; 适合人群:具备一定编程基础和控制系统理论知识的科研人员或工程师,特别是从事自动化、人工智能、智能控制等相关领域的研究人员。; 使用场景及目标:①为非线性系统的控制问题提供有效的数值求解方法;②通过Matlab编程实践加深对自适应动态规划算法的理解;③推动ADP算法在工业自动化、机器人控制、智能制造等领域的应用研究; 阅读建议:建议读者结合Matlab软件进行代码复现,深入理解算法细节,并尝试将其应用于其他类型的非线性系统中,以检验算法的普适性和鲁棒性。同时,鼓励查阅相关文献,进一步拓展对该领域前沿技术的认识。
内容概要:本文研究了基于粒子群算法(PSO)优化K-means聚类的居民用电行为分析方法,并提供了完整的Matlab代码实现。针对传统K-means算法对初始聚类中心敏感、易陷入局部最优的问题,引入粒子群算法进行优化,利用PSO的全局搜索能力来寻找更优的初始聚类中心,从而提升聚类的准确性和稳定性。研究以居民用电数据为对象,通过PSO-Kmeans方法对用户的用电模式进行分类,旨在更精确地识别不同类型的用电行为,为电力公司的精准营销、需求侧管理和个性化服务提供数据支持。文中详细阐述了算法的实现流程,并通过仿真实验验证了该方法相较于传统K-means的有效性。; 适合人群:具备一定数据分析和机器学习基础,对智能优化算法和电力系统数据分析感兴趣的科研人员、研究生及电力行业从业者。; 使用场景及目标:①应用于居民用电行为的精准分类与模式识别;②解决传统聚类算法初始值敏感和局部收敛问题,提升电力大数据分析的准确性;③为电力需求侧管理、负荷预测和制定差异化电价策略提供技术支持。; 阅读建议:此资源结合了理论算法与Matlab代码实现,建议读者在理解PSO和K-means算法基本原理的基础上,动手实践所提供的代码,通过调整参数和分析运行结果来深入掌握该混合优化算法在实际数据处理中的应用效果。

37,737

社区成员

发帖
与我相关
我的任务
社区描述
JavaScript,VBScript,AngleScript,ActionScript,Shell,Perl,Ruby,Lua,Tcl,Scala,MaxScript 等脚本语言交流。
社区管理员
  • 脚本语言(Perl/Python)社区
  • WuKongSecurity@BOB
加入社区
  • 近7日
  • 近30日
  • 至今

试试用AI创作助手写篇文章吧