java Vector

其实前几天我看了ArrayList的代码了,对怎么做这个东西有了一个了解。看别人的说法,Vector就是一个ArrayList线程安全的版本嘛。那么只要各成员函数加synchronized就搞定了,其实还有什么可以做的嘞。相是这么想,还是去看一下源码是怎么做的,这样才心中有数。不看不知道,一看吓一跳,真的有不一样的地方啊,有些地方我也不理解。。。

我们先来看一下Vector的定义吧。

public class Vector<E> extends AbstractList<E> implements List<E>, RandomAccess, Cloneable, java.io.Serializable
public class ArrayList<E> extends AbstractList<E> implements List<E>, RandomAccess, Cloneable, java.io.Serializable

对比一下,我们发现除了名字不一样,其它都一样的,骗鬼去吧,还不 是一回事儿,Vector就是一个加synchronized关键字的ArrayList,反正我是这么盲目乐观的。

那么我们看一下成员变量吧,

protected Object[] elementData;
protected int elementCount;
protected int capacityIncrement;
我晕,不一样唉,这里明显比ArrayList多一个成员啊,什么鬼,我猜的不对啊。在成员变量方面,Vector提供了elementData , elementCount, capacityIncrement三个成员变量。其中
elementData :”Object[]类型的数组”,它保存了Vector中的元素。按照Vector的设计elementData为一个动态数组,可以随着元素的增加而动态的增长,其具体的增加方式后面提到(ensureCapacity方法)。如果在初始化Vector时没有指定容器大小,则使用默认大小为10.
elementCount:Vector 对象中的有效组件数。
capacityIncrement:向量的大小大于其容量时,容量自动增加的量。如果在创建Vector时,指定了capacityIncrement的大小;则,每次当Vector中动态数组容量增加时>,增加的大小都是capacityIncrement。如果容量的增量小于等于零,则每次需要增大容量时,向量的容量将增大一倍。

我这里有一个疑问,为什么ArrayList增加大小的时候是原来的1.5倍,并没有提供capacityIncrement选项,为什么到Vector这里就有了?其实ArrayList也可以添加这个选项啊,完全没有问题啊。具体为什么,我也不清楚,看作者,其中有一个作者不相同,应该是大家的口味不同吧。

我们看一下Vector是如何增加空间的

 private void grow(int minCapacity) {
        // overflow-conscious code
        int oldCapacity = elementData.length;
        int newCapacity = oldCapacity + ((capacityIncrement > 0) ?
                                         capacityIncrement : oldCapacity);
        if (newCapacity - minCapacity < 0)
            newCapacity = minCapacity;
        if (newCapacity - MAX_ARRAY_SIZE > 0)
            newCapacity = hugeCapacity(minCapacity);
        elementData = Arrays.copyOf(elementData, newCapacity);
    }
是没有指定capacityIncrement的情况下,每次空间不够的时候,都是增加成原来来2倍的大小。为什么不是1.5倍?我也没有搞清楚,都是胡写的么?其实的增加和删除元素都和ArrayList差不太多,无非是方法多个synchronized,讲真的,这个关键字synchronized我都还没有理解透彻啊。

这篇小豆腐无任何营养,如果你真的花时间看了,不好意思哈。






【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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