继续在线等高手批点

hgy607 2010-07-04 04:09:55
现在我自己自绘了一个树形控件T1,加了ITEM:树形结构如下:

I1
I1_1
I1_1_1
I1_1_2
I1_2
I1_2_1
I1_3
I2
I2_1
I2_1_1
I2_2
要实现这样的效果,1,双击I1,I2不会收缩,双击I1_1,I1_2,I2_1等是可以收缩的
2.I1,I2选中后无论单击还是双击都不会自绘,怎么在DrawItem中判断
对于第一个问题,有高手说响应双击消息,我在双击消息中加了如下代码:
void Ctest7Dlg::OnNMDblclkTree1(NMHDR *pNMHDR, LRESULT *pResult)
{
HTREEITEM cur=m_tree.GetSelectedItem();
HTREEITEM Father=m_tree.GetParentItem(cur);
HTREEITEM x=Father;
if(NULL==Father) return;
*pResult = 0;
}点击I2时,的确运行了if(NULL==Father) return;但I2却响应了收缩,对于第二个问题,我想其实也是这样一个判断, NULL==Father,求高手指点!
...全文
58 5 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
hgy607 2010-07-04
  • 打赏
  • 举报
回复
自己解决了,很简单的问题,结帖,
hgy607 2010-07-04
  • 打赏
  • 举报
回复
自己顶,
hgy607 2010-07-04
  • 打赏
  • 举报
回复
真没高手能指点一二了吗,,崩溃!!
花熊 2010-07-04
  • 打赏
  • 举报
回复
顶,观望中!
hgy607 2010-07-04
  • 打赏
  • 举报
回复
!!!求教
内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。

16,548

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
  • AIGC 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