fastreport自动伸缩换页问题

Mr.Huang…… 2021-03-09 07:08:16

使用的版本6.5
文本控件：rich文本对象，设置的伸缩到最大高度
主项数据设置的不伸缩
数据存放在记录为1的记录里
怎么实现自动分页，如果所示，第一页下方最后一行多余出来的部分应该打印在第二页里面，这个地方没有自动分页打印，麻烦大神指导下

...全文

4273 2 打赏收藏举报

写回复

用AI写文章

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

jjpweb 2021-05-12

打赏
举报

主项数据里应该有每页多少行的属性设置，如果没有，设置单行高度，挤下去

daigua1987 2021-05-09

打赏
举报

FastReport分页是根据页面大小和数据自动分页的，一般调整分页数据量我都是通过调整页脚的高度来处理的，如果是固定多少行分页，你可以通过脚本来实现，伸缩一般都是设置再主项数据里面的，方便一行数据都变高，单独一个单元格设置就会出现你这样的格式错乱的情况

接着把ColumnHeader1拉长，再在里面放入frxrichview，把大小调整好，然后在frxrichview上点击鼠标右键，把“伸缩”菜单点一下勾选上。这是fastreport内没有做好判断引起的，解决方法有两种，简单点的如下这样加个回车换行尾巴上去，也能正常引用变量了。后在报表内添加一个 ColumnHeader，然后在ColumnHeader1上点击鼠标右键，勾选 “伸缩”属性。[title] 这样的方法直接引用，会报运算式错误，“报表标题测试” 标识符未宣告。再打印预览，能正常换页了。

内容概要：本文对最小均方（LMS）算法和归一化最小均方（NLMS）算法进行了系统的比较分析，重点探讨了NLMS算法在抵抗输入信号相关性方面的优越性。通过Matlab代码实现了两种算法，并在相同仿真条件下进行性能对比，结果表明NLMS在处理高度相关的输入信号时表现出更快的收敛速度和更高的稳定性。文章详细阐述了两种算法的数学原理、迭代更新公式及其在自适应滤波中的典型应用场景，深入剖析了NLMS通过引入归一化步长机制有效克服输入信号功率波动对收敛性能影响的内在机理。同时提供了完整的仿真流程、参数设置与实验验证，充分展示了NLMS在实际工程应用中的优势。; 适合人群：具备一定信号处理、自适应滤波理论基础的研究生、科研人员，以及从事通信系统、音频处理、回声消除、控制系统等领域的工程技术人员。; 使用场景及目标：①为自适应噪声抵消、系统辨识、信道均衡等工程问题中的算法选型提供理论依据与实践参考；②深入理解LMS与NLMS算法的核心差异，掌握NLMS在应对输入相关性问题上的设计思想与性能优势；③为高校教学实验、科研项目开发提供可复现、可扩展的Matlab仿真代码支持。; 阅读建议：建议读者结合所提供的Matlab代码运行仿真，观察不同输入相关性条件下两种算法的收敛曲线变化，深入体会归一化机制对算法鲁棒性的提升作用，同时可通过调整步长因子、信号相关性强度等参数进一步探究算法的性能边界与适用范围。

数据集格式：VOC格式+YOLO格式数据集介绍：图片为工厂固定场景拍摄的烟雾图片标注而成压缩包内含：3个文件夹，分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计：1954 Annotations文件夹中xml文件总计：1954 labels文件夹中txt文件总计：1954 标签种类数：1 标签名称:["smoke"] 每个标签的框数（注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准）： smoke 框数 = 3171 总框数：3171 图片清晰度（分辨率：像素）：清晰图片是否增强：否标签形状：矩形框，用于目标检测识别重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

内容概要：本文研究了基于布谷鲶鱼优化算法(CCO)、灰雁优化算法(GGO)与田忌赛马优化算法(THRO)的城市空中交通多无人机路径规划问题，并通过Matlab代码实现。研究聚焦于复杂城市环境中多无人机系统的路径规划挑战，提出融合三种仿生优化算法的混合策略，旨在解决避障、路径最短、飞行安全与资源分配等多目标优化问题。文中详细阐述了各算法的生物启发机制、搜索行为建模及其在路径规划中的协同优化框架，构建了从环境建模、个体行为模拟到群体协同决策的完整求解体系。通过大量仿真实验验证了该混合算法在提升路径规划效率、降低能耗、增强系统鲁棒性与动态适应性方面的显著优势，尤其在高密度飞行场景下表现出优异的冲突规避能力和资源均衡能力，为未来城市空中交通（UAM）系统的智能化管理提供了有效的技术路径与理论支撑。; 适合人群：具备一定编程基础，熟悉Matlab仿真环境，从事智能优化算法、无人机路径规划、智能交通系统、多智能体协同控制等相关领域研究的科研人员及研究生。; 使用场景及目标：① 探索新型仿生优化算法在复杂多智能体路径规划中的融合应用；② 解决城市环境中多无人机协同飞行的动态避障、资源竞争与任务分配问题；③ 为城市物流配送、应急救援、空中巡检等实际应用场景提供高效、安全、可扩展的路径规划方案；阅读建议：建议结合Matlab代码进行仿真实践，重点关注算法参数敏感性分析、收敛性能评估与多目标权衡机制，同时可将其与传统优化算法（如PSO、GA、ABC）进行对比实验，深入理解混合优化策略在复杂搜索空间中的优势边界与适用条件。

Windows SDK/API

1,184

社区成员

22,326

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章