最近去了一次Radmond见了做vs.net的那帮人.

SnowFalcon 2001-03-04 09:42:00

他们竟然说vs.net全部是用c#写的怪不得那么慢.还好我走的早,否则就碰上大地震了.

...全文

366 4 打赏收藏转发到动态举报

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

lxg119 2001-03-07

打赏
举报

近来怎么不见恶魔兄了，想多听听

项目张雪峰之巅 2001-03-05

打赏
举报

哇，！好棒哟

SnowFalcon 2001-03-05

打赏
举报

到radmond的时间很短只有一天的时间。只有和ms的vs.net部门和bcentral部门的人员沟通了一个上午，下午就飞sallicon valley了。vs.net其实是一个很庞大的team，具体多少人我不清楚。只是和他们的一些技术人员谈了一下。我个人的看法是.net的真正实现还有很长的时间。特别是c#还有很多问题。现在的c#依然还是基于vms的技术，性能，速度还没有达到他们当初的预期有的时候甚至比perl还慢.构造一种语言何其的困难，现在他们在考虑是否作全编译的版本也许将来会有全编译和半编译成il语言的功能。前途漫漫要有真正的应用，应该在2002年的夏天才会出现。xml也是vs.net的核心大家多多学习亚。另外我最关心的是bcentral这是微软作enterprise application 最好的产品在北美的中小型用户很多。现在他们正在把mars和bcentral结合成为一个offline和online相结合的中小企业管理系统。真的不错。kaifu.lee可是高层人物我们这些小人物怎么可能看得到。

lxg119 2001-03-05

打赏
举报

恶魔兄太酷了，能有此机会，你们公司的美国背景一定也很了不起，能透露是哪家吗？希望兄台多介绍介绍多特蒙德内 DOT NET的详细所见所想，造福大众，帮我等把握方向，跟对潮流。

BTW：MS是否真正倾公司之力来做。NET吗？
李开复在。NET中是什么地位？
MS做。NET的程序员大部分是象照片上那样30多岁居多，还是大部分象兄台这样少年英雄？

Effective C++: 55 Specific Ways to Improve Your Programs and Designs More Effective C++: 35 New Ways to Improve Your Programs and Designs 如想成为一名合格的C++程序员，有许多经典的书籍可以推荐；然而，若想成为一名高效的C++程序员，就绝对不...

draw.io-arm64-29.2.9.deb 是安装包deb格式，已测试功能正常。命令：sudo dpkg -i draw.io-arm64-29.2.9.deb 等待安装完成，无报错，是为安装成功。

车-电-路网时空分布负荷预测研究（Matlab代码实现）内容概要：本文围绕“车-电-路网时空分布负荷预测研究”展开，基于Matlab代码实现，旨在通过建模仿真手段对电动汽车、电力网络与交通路网之间的耦合关系进行综合分析，预测负荷在时间和空间上的分布特征。研究结合智能优化算法、机器学习模型（如神经网络）及时空数据分析方法，构建多维度、多系统联动的负荷预测框架，涵盖交通流量、充电行为、电网响应等关键因素，实现对复杂城市场景下能源与交通系统协同运行的量化评估。该研究对于推动智能电网、智慧交通与新能源汽车融合发展具有重要意义。; 适合人群：具备一定Matlab编程基础，从事电力系统、交通工程、能源管理或智慧城市相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标：①用于城市级电动汽车充电负荷的时空分布建模与仿真；②支撑电网规划、削峰填谷、有序充电策略制定等实际应用场景；③作为科研项目复现、论文写作或课题研究的技术参考。; 阅读建议：建议结合文中提供的Matlab代码进行实践操作，重点关注模型输入参数设置、算法实现流程与仿真结果分析，同时可扩展引入实际交通与电网数据以提升预测精度和实用性。

【9种优化算法比较】CGO、SCA、GWO、CSA、SSA、HHO、WOA、PSO、TSO智能优化算法比较（Matlab代码实现）内容概要：本文档介绍了9种智能优化算法（CGO、SCA、GWO、CSA、SSA、HHO、WOA、PSO、TSO）的比较研究，并提供了相应的Matlab代码实现。文档不仅涵盖算法在路径规划、调度优化、电力系统管理等领域的应用，还展示了其在多目标优化、机器学习模型优化及工程仿真中的实际案例。通过对比不同算法的性能，帮助科研人员选择最适合特定问题的优化方法。此外，文档附带丰富的仿真资源和代码下载链接，便于读者复现和进一步研究。; 适合人群：具备一定Matlab编程基础，从事科研或工程优化相关工作的研究生、科研人员及工程师；尤其适用于在智能算法、电力系统、路径规划、调度优化等领域开展研究的专业人士。; 使用场景及目标：① 对比分析多种智能优化算法在不同优化问题中的收敛速度、精度与稳定性；② 应用于生产调度、电力系统优化、无人机路径规划、神经网络参数优化等实际科研与工程项目中；③ 辅助论文复现、算法改进与创新性研究。; 阅读建议：建议结合提供的Matlab代码进行实践操作，优先理解各算法的核心机制与参数设置，通过典型测试函数和应用场景验证算法性能，同时参考文中提及的科研方向拓展自身研究思路。

基于改进粒子群算法的多无人机协同航迹规划（Matlab代码实现）内容概要：本文介绍了基于改进粒子群算法的多无人机协同航迹规划方法，并提供了Matlab代码实现。该研究聚焦于利用智能优化算法解决多无人机在复杂环境下的协同路径规划问题，通过改进粒子群算法提升搜索效率与路径优化能力，确保无人机编队能够有效规避障碍物、满足飞行约束并实现任务协同。文中涵盖了算法设计、模型构建、仿真验证等关键环节，展示了航迹规划的全过程及优化效果。; 适合人群：具备一定编程基础，熟悉Matlab工具，从事无人机控制、路径规划或智能优化算法研究的科研人员及研究生。; 使用场景及目标：①应用于多无人机系统在城市、灾害救援等复杂场景中的协同任务执行；②为智能优化算法在路径规划领域的实际应用提供参考案例；③帮助研究人员复现和改进现有算法以提升航迹规划性能。; 阅读建议：建议结合提供的Matlab代码进行仿真实验，深入理解算法实现细节，并尝试调整参数或引入其他优化策略以进一步提升性能。同时可参考文档中提到的相关算法比较与应用场景扩展思路。