fastCSharp代码生成器发布

showjim 2012-12-04 02:34:21
由于两个ACM题花了差不多两个星期的时间,拖延了代码生成器的发布(下载)。
不过通过这段时间的折腾,对于C#细节优化有了更多的了解。知道了结构体数组元素赋值写个Set函数比=new要好,知道了静态字段的访问和引用成员字段访问一样低效(相对于堆栈访问),知道了临时变量的数量必须要自己控制(C#编译器的寄存器优化并不智能),知道了小函数内联是靠不住的,更加的重视非安全数组元素的访问次数了...

还是回到正题,上个月准备讨论一下代码生成器重新实现的问题,没有什么反馈,所以还是按照我以前的方案重写代码。我简单的说一下方案实现的原理与过程。
1、在需要代码生成功能的项目属性的后期生成事件中执行命令调用带参的fastCSharp.exe,代码生成器是基于.net元数据的,所以需要程序集相关信息:
if exist D:\fastCSharp\bin\Release\fastCSharp.exe D:\fastCSharp\bin\Release\fastCSharp.exe $(ProjectName) $(ProjectDir) $(TargetPath) $(TargetName)

ProjectName 是项目名称,预留字段
ProjectDir 是项目路径,用于查找或读写.cs程序文件
TargetPath 是程序集完整文件名,用于读取.NET元数据信息
TargetName 默认命名空间,用于生成目标文件命名,比如TargetName=fastCSharp,那么生成的代码文件名为fastCSharp.cSharper.cs
2、fastCSharp.exe找到所有继承自fastCSharp.setup.IAuto的类,读取其自定义属性配置fastCSharp.setup.auto,按照依赖关系fastCSharp.setup.auto.DependType拓扑排序,然后依次使用反射调用fastCSharp.setup.IAuto.Run。
                    list<keyValue<Type, setup.auto>> autos = setup.ui.CurrentAssembly.GetTypes()
.getFind(type => !type.IsInterface && !type.IsAbstract && type.isInterface(typeof(setup.IAuto)))
.getArray(type => new keyValue<Type, setup.auto>(type, type.customAttribute<setup.auto>(false)))
.getFind(value => value.Value != null && value.Value.IsSetup && value.Value.IsAuto);
setup.ui.Setup(autos, parameter, false);

当前版本的fastCSharp.exe有4个继承自fastCSharp.setup.IAuto的类:
fastCSharp.setup.cSharp.coder.cSharp是C#代码生成器的核心,它读取并解析所有程序模板并生成中间代码fastCSharp.cSharper.cs,fastCSharp.cSharper.cs就是一个字符串拼接程序。
                        string[] codes = parameter.Types.getArray(type => new definition { Type = type, Auto = type.customAttribute<auto>(false) })
.getFind(type => type.Auto != null && type.Auto.IsSetup && type.Auto.DependType == typeof(cSharper))
.getArray(type => type.ToString());

fastCSharp.setup.cSharp.ajax.cSharp是一个JSON处理代码生成实例的数据视图,其配套的程序模板是fastCSharp.setup.cSharp.template.ajax,自定义属性配置是fastCSharp.setup.cSharp.ajax。
fastCSharp.setup.cSharp.simpleTemplate是一个简单的自定义模板解析程序(与.NET元数据无关),比如template目录下的程序模板。
fastCSharp.setup.test用于简单的编译时单元测试。
3、代码生成实例的运行,比如fastCSharp.setup.cSharp.ajax.cSharp,它继承自fastCSharp.setup.IAuto,所以会被fastCSharp.exe默认调用。它会读取程序集TargetPath的元数据信息,获取所有标记自定义属性[fastCSharp.setup.cSharp.ajax]的类,读取其字段与属性信息生成最终的目标程序。
                    keyValue<Type, ajax>[] ajaxs = parameter.Types
.getArray(type => new keyValue<Type, ajax>(type, type.customAttribute<ajax>(false)))
.getFindArray(ajax => ajax.Value != null && ajax.Value.IsSetup);
foreach (keyValue<Type, ajax> ajax in ajaxs)
{
type = ajax.Key;
Attribute = ajax.Value;
UnknownToJsonType = ajax.Value.UnknownToJson != null && ajax.Value.UnknownToJson.isInterface(typeof(IUnknownToJson)) ? (memberType)ajax.Value.UnknownToJson : null;
UnknownParseJsonType = ajax.Value.UnknownParseJson != null && ajax.Value.UnknownParseJson.isInterface(typeof(IUnknownParseJson)) ? (memberType)ajax.Value.UnknownParseJson : null;
Members = setup.memberInfo.GetMembers<ajax>(ajax.Key, setup.memberInfo.filter.PublicInstance, false, true);
if (Attribute.IsToJson) memberMap.create(ajax.Key);
if (Attribute.IsParseJson && !ajax.Key.isNull()) copy.create(ajax.Key);
create(true);
}


写一个代码生成器实例有3个部分:
1、自定义属性,必须继承自fastCSharp.setup.ignore,比如fastCSharp.setup.cSharp.ajax,用于配置描述。不需要描述的也必须要定义一个空壳,用于识别代码生成类型。
2、数据视图,必须继承自fastCSharp.setup.cSharp.cSharper用于表示该实例,可选继承自fastCSharp.setup.IAuto用于编译时自动调用。比如fastCSharp.setup.cSharp.ajax.cSharp的主要数据成员是Members。
3、程序模板,比如fastCSharp.setup.cSharp.template.ajax,现在支持11种标识fastCSharp.setup.template.command,与旧版本的标识稍有不同。
...全文
478 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
事理 2012-12-05
  • 打赏
  • 举报
回复
lz辛苦,谢谢分享。
内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。

13,345

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 .NET技术前瞻
社区管理员
  • .NET技术前瞻社区
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