权限难题!!!!

boyandgirl 2001-11-22 04:08:31
我现在设计了用户的权限问题,主要是指定其具有某些权限。这些表已经建立好了
有这么一个表
userright
------------------------
username usergroup samright
cjjtlg cjj createid
cjjtlg cjj delete
cjjtlg cjj companynew
这个表我建立好了是某个用户属于某个用户组织其具有的权限,但是具体的操作是怎么样来实现的,例如cjjtlg具有delete这个功能怎么样和

具体的模块实现起来,还有其他的功能。
是否这些东西都在同一个页面上面,判断用户是否具有某个权限,而后作一些相应工作,当用户没有具有某个权限的时候,怎么样来屏蔽菜单


高手们那个和我说说吗,有例子可以给我看看吗
javajsp@etang.com
...全文
159 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
boyandgirl 2001-11-22
  • 打赏
  • 举报
回复
问一个简单的问题,怎么样把ResultSet rs,rs当中某列的数据放到数组当中去
boyandgirl 2001-11-22
  • 打赏
  • 举报
回复
给zosatapo(宗山太保) 
可以生成很多菜单的js文件,然后根据权限设置动态载入。

我不知道怎么样实现,用js怎么样来做动态菜单,能够详细说说吗?有没有例子给哦看看先拉
javajsp@etang.com
zosatapo 2001-11-22
  • 打赏
  • 举报
回复
很简单的,没有你想象的那么复杂的,不知道你用过mysql没有,那就是很好的参考例子。
具体实现我简单的说一下:
我的前提是你实现的模块不是很多,而且权限的分类不是很多。实际上多也没有关系的。

(#)数据结构方面
(1)最好没一个组用户权限一样。
(2)第一个表:每个用户组号和模块组号共同组成权限表关键字。
(3)第二个表:每个用户属于那一个组
(#)技术实现方面
(1)我不采用掩码,我采用数据库的字段设置为boolean类型。
把权限设置成false/true.或者用字符类型:Y/N.只要你喜欢。
(2)用户登陆检查属于那个组,然后就可以得到相应权限说明。
(#)关于菜单问题。
可以生成很多菜单的js文件,然后根据权限设置动态载入。
一定要动态的。因为这个web 应用跟一般的应用程序不同。
所以实现比较生硬。

boyandgirl 2001-11-22
  • 打赏
  • 举报
回复
给ycats(加菲猫)
你好你这个方法倒是比较好吗?还有记得在进入XXX.jsp后也检测一下权限
这个是什么意思,能够和我说说吗?对了还有怎么样把查询得到的东西放到你所谓的数组当中去拉,能够说的具体点可以吗?
boyandgirl 2001-11-22
  • 打赏
  • 举报
回复
给zbyzq(卓骐)你有这个方面的例子吗,能够给我看看吗??
其具体的实现过程怎么样,用到什么函数。能够说说吗?
zbyzq 2001-11-22
  • 打赏
  • 举报
回复
你可以用掩码,例如有八个模块,用八位数据表示,有某个模块权限的为1,没有为0

例如:有前四个模块操作权限:表示为-->11110000



boyandgirl 2001-11-22
  • 打赏
  • 举报
回复
怎么$人回答我问题啦,
内容概要:本文围绕不确定环境下的多式联运路径优化问题展开研究,提出并实现了基于AFO算法、遗传算法(GA)和粒子群优化算法(PSO)的三种智能优化方法,并借助Matlab平台完成算法编程与仿真。研究构建了考虑时间、成本、转运风险等多重不确定因素的路径优化模型,系统比较了AFO、GA、PSO三种算法在收敛速度、全局寻优能力和稳定性方面的表现,同时引入Matlab自带的全局优化搜索器作为基准对照,深入分析各算法在复杂物流网络中的适用边界与性能差异。研究表明,AFO算法在解决此类组合优化问题时展现出更快的收敛效率和更强的局部规避能力。; 适合人群:具备一定Matlab编程基础与运筹优化知识,从事物流工程、交通运输规划、智能算法开发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应用于多式联运、综合货运网络中的路径决策支持系统构建;②为不确定性条件下复杂路径规划问题提供智能算法选型依据与技术实现方案;③支持科研人员复现主流优化算法并开展横向性能对比实验,推动算法改进与实际落地。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现流程,重点理解目标函数设计、约束条件处理及参数敏感性分析部分,可通过调整问题规模与算法参数进行对比实验,进一步拓展至动态路径规划或大规模网络优化等延伸场景。
内容概要:本文研究了基于QLearning自适应强化学习的PID控制器在自主水下航行器(AUV)运动控制中的应用,通过Matlab代码实现了控制算法的仿真验证。该方法融合强化学习的在线自适应能力与传统PID控制的稳定性优势,利用QLearning算法动态优化PID控制器的比例、积分、微分参数,以应对水下复杂流体环境、模型不确定性及外部干扰等挑战,从而提升AUV轨迹跟踪的精度、鲁棒性与动态响应性能。文中系统阐述了AUV的六自由度非线性动力学建模过程、QLearning算法的状态空间与动作空间设计、奖励函数构造及训练机制,并详细说明了PID参数自整定的闭环控制架构。仿真结果表明,相较于传统固定参数PID控制器,该智能控制策略在多种工况下均展现出更优的控制效果,有效抑制了超调,加快了响应速度,并增强了抗干扰能力。; 适合人群:具备自动控制理论、强化学习基础及Matlab/Simulink仿真能力,从事水下机器人、智能控制、海洋工程、自动化等领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于AUV、UUV等无人水下平台的高精度自主导航与运动控制;②为解决非线性、强耦合、时变系统的控制器参数自适应整定问题提供智能化解决方案;③作为强化学习与经典控制理论深度融合的技术范例,推动智能控制算法在海洋装备中的工程化应用。; 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,重点剖析QLearning的状态-动作-奖励机制设计、PID参数更新逻辑及仿真对比实验结果,有条件者可在更复杂的动力学模型或实际硬件平台上进一步验证与优化算法性能。

81,111

社区成员

发帖
与我相关
我的任务
社区描述
Java Web 开发
社区管理员
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