cocos2d-x学习笔记-cocos-2d-2.0.4交叉编译

本文介绍了如何利用Cocos2d-x引擎在移动互联网领域进行游戏开发,从搭建开发环境到运行示例,提供详细步骤和注意事项。适合初涉手游领域的开发者。

      算起来从事移动互联网方面的开发工作也有近两年的时间了,一直以来都是在做应用方面的开发,而现在从事这方面的工作的人也越来越多了,也是时候在游戏领域做一些尝试了。

      说起来,自大学毕业以来,除了刚毕业那阵子开发过短暂的Symbian平台(属于变种C++语言),并没有实质使用过C++语言进行程序开发。谁让人家跨平台呢,这个真诱惑,好吧,所以还是选择了Cocos2d-x。本人也是新手,处于学习阶段,所以哪里有错,还请不吝赐教~。

      言归正传,虽然现在估计搞游戏或者稍微有点接触的都应该了解cocos2d-x这款引擎,为了方便初涉手游领域的同学,我们还是先来简单了解一下cocos2d-x这款开源的手机游戏2d引擎。

      据查,cocos2d最早是一款用Python写的开源游戏引擎,用于开发2D游戏和一些2D应用,官方网址是:http://www.cocos2d-org/ 。当iphone和ipad开始满大街风靡的时候,cocos2d的作者也顺势推出了cocos2d-iphone版本(可基本用于iOS所有平台),使用Objective-C编写,开源协议为MIT(因为苹果不允许开发者使用动态链接库的方式开发应用),官方网站为:http://www.cocos2d-iphone.org/。随着Android系统也慢慢兴起,由于cocos2d只能用于iOS平台,那技术大牛们肯定不限于在一个平台上发展,cocos2d-x应运而生。cocos2d-x采用C++语言编写,实现了一处编写,多个平台交叉编译(或只需适配,修改少量代码)即可发布。cocos2d-x同样采用MIT开源协议。耳熟能详的游戏主要有:风云天下神仙道大掌门捕鱼达人2以及我叫MT等等。cocos2d-x官方网站为:http://www.cocos2d-x.org/,官网包含最新的新闻、Bug提交、Wiki(好东东)、相关下载以及非常重要的讨论区,有事没事就多上这里逛逛。

      工欲善其事,必先利其器。首先来搭建cocos2d-x的开发环境。

      首先需要下载cocos2d-x源码包,最新源码可在此处下载:http://www.cocos2d-x.org/projects/cocos2d-x/wiki/Download,本人当时下载的是cocos2d-2.0-x-2.0.4版本源码包,将其解压。

image

      接下来就需要根据各自的方向选择不同的编译环境,本人主要开发Android平台,因此需搭建Android开发环境(各种平台开发环境搭建请自行上网搜索)。

如果是Windows平台,请下载并配置android ndk开发环境及Cygwin编译环境,具体请参考:http://blog.csdn.net/maojudong/article/details/7261986

如果是Linux平台,请下载android ndk linux版本并通过sudo apt-get install安装gcc及g++编译器,同样需要配置好ndk环境。本人选用的是Ubuntu12.04 32位 + android ndk r8。(此处需注意,建议Linux系统选择32位版本,本人当时用了64位版本系统,结果在编译cocos2d-x源码的时候遇到了许多问题,不知是否与环境配置有关,但32位版本不存在问题)

      最后,我们便可以开始编译cocos2d-x源码来运行了,此处以cocos2d-x的HelloWorld为例。

      考虑到截图方便,本人以Windows平台为例(Linux平台是一样的),打开Cygwin,进入到cocos2d-x源码所在路径

image

进入samples下HelloCpp的Android项目目录

image

 

执行./build_native.sh脚本,系统将会开始编译cocos2d-x源码包及项目内的C++文件,最终在libs目录下生成.so类库文件,同时拷贝资源(如图片等)。

image

最终可以看到生成类库文件的提示:

image

并看到目录里多了类库文件:

image

此时便可将项目导入到Eclipse中(注意android平台需要同时导入libcocos2dx这个java项目作为引用,路径为:cocos2d-2.0-x-2.0.4\cocos2dx\platform\android\java)

image

      大功告成,我们可以运行来看看效果。

image

内容概要:本文提出了一种结合在线鲁棒主成分分析(RPCA)模型与长短期记忆(LSTM)循环网络的商品需求预测方法,并提供了完整的Python代码实现。该方法首先利用RPCA模型对原始商品需求时间序列进行分解,分离出低秩的潜在趋势成分与稀疏的异常波动成分,有效实现数据去噪与异常值修正,提升输入数据的鲁棒性;随后将净化后的数据输入LSTM网络,充分挖掘时间序列中的长期依赖关系与时序模式,从而提高对未来需求的预测精度。整个模型设计针对实际商业场景中普遍存在的数据噪声大、波动剧烈、突发性事件干扰等问题,展现出较强的稳定性与预测能力。文中通过实验验证了该混合模型在多个指标上优于传统统计模型及单一LSTM模型,体现了其在复杂环境下的优越性能。; 适合人群:具备一定Python编程能力和机器学习基础知识,从事数据分析、供应链管理、电商运营、零售优化及相关领域研究的研发人员或研究生;特别适合关注时间序列预测、深度学习建模以及鲁棒数据处理技术的技术人员。; 使用场景及目标:①应用于电商平台、零售企业或制造行业中的销量预测,以支持存优化、生产计划制定与物流调度决策;②为科研工作者提供一种融合鲁棒统计与深度学习的预测建模范例,推动高噪声环境下预测算法的创新与复现研究;③帮助开发者深入理解RPCA与LSTM的集成机制,掌握复杂预测模型的构建、训练与调优流程。; 阅读建议:建议读者结合所提供的Python代码逐步实现模型,重点理解RPCA在数据预处理阶段的作用机制以及LSTM网络的结构设计与超参数配置。学习过程中应在真实或模拟数据集上复现实验结果,对比不同参数设置下的模型表现,以深化对模型内在工作原理的理解。同时可进一步探索其他深度学习模型(如GRU、Transformer)与鲁棒分解方法(如VMD、STL)的融合可能性,拓展应用场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值