多线程基础

多线程技术详解

第一,NSThread:一个NSThread对象就代表一条线程

1)创建与启动线程

 NSThread *thread = [[NSThread allocinitWithTarget:self selector:@selector(run)object:nil];

[thread start];

线程一启动,就会在线程thread中执行self的run方法.

2)主线程相关方法

+ (NSThread *)mainThread; // 获得主线程

- (BOOL)isMainThread; // 是否为主线程

+ (BOOL)isMainThread; // 是否为主线程

3)获得当前线程

NSThread *current = [NSThread currentThread];

4)创建线程后自动启动线程

[NSThread detachNewThreadSelector:@selector(run) toTarget:self withObject:nil];

5)隐式创建并启动线程

[self performSelectorInBackground:@selector(run) withObject:nil];

6)控制线程状态

启动线程

- (void)start;// 进入就绪状态 -> 运行状态。当线程任务执行完毕,自动进入死亡状态

阻塞(暂停)线程

+ (void)sleepUntilDate:(NSDate *)date;

+ (void)sleepForTimeInterval:(NSTimeInterval)ti;

// 进入阻塞状态

强制停止线程

+ (void)exit;

// 进入死亡状态

注意:一旦线程停止(死亡)了,就不能再次开启任务.

[self performSelectorInBackground:@selector(download) withObject:nil];

在后台开启线程,进行下载任务.

[self performSelectorOnMainThread:@selector(downloadFinished:) withObject:imagewaitUntilDone:NO];

在完成下载任务后回到主线程,刷新UI(为了线程安全)

第二,GCD 

dispatch_sync : 同步,不具备开启线程的能力

dispatch_async : 异步,具备开启线程的能力

并发队列 :多个任务可以同时执行

串行队列 :一个任务执行完后,再执行下一个任务

注意:队列影响的是执行方式,是多个任务同时执行还是多个任务串行执行.不影响要不要开线程

*获得全局的并发队列

dispatch_queue_t queue = dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT,0);

* 任务 添加 全局队列 中去 异步 执行

dispatch_async(queue, ^{// 执行耗时的异步操作...

    });

 dispatch_async( dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT0),^{

    // 执行耗时的异步操作...

    dispatch_async(dispatch_get_main_queue(), ^{

       // 回到主线程,执行UI刷新操作

      });

  });

*延时执行

调用NSObject的方法

[self performSelector:@selector(run) withObject:nil afterDelay:2.0];// 2秒后再用selfrun方法

使用GCD函数

dispatch_after(dispatch_time(DISPATCH_TIME_NOW, (int64_t)(2.0 * NSEC_PER_SEC)), dispatch_get_main_queue(), ^{

        // 2秒后异步执行这里的代码...

    });

*一次性代码

使用dispatch_once函数能保证某段代码在程序运行过程中只被执行1

static dispatch_once_t onceToken;

dispatch_once(&onceToken, ^{

        // 只执行1次的代码(这里面默认是线程安全的)

});

*队列组

有这么1种需求:首先,分别异步执行2个耗时的操作.其次:等2个异步操作都执行完毕后,再回到主线程执行操作.

如果想要快速高效地实现上述需求,可以考虑用队列组

dispatch_group_t group =  dispatch_group_create();

dispatch_group_async(group, dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0), ^{

        // 执行1个耗时的异步操作

 });

dispatch_group_async(group,dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0), ^{

        // 执行1个耗时的异步操作

});

dispatch_group_notify(group, dispatch_get_main_queue(), ^{

        // 等前面的异步操作都执行完毕后,回到主线程...

 });

第三,NSOperationQueue

1)NSInvocationOperation

创建队列

NSOperationQueue *queue = [[NSOperationQueue allocinit];

创建操作

 NSInvocationOperation *operation = [[NSInvocationOperation allocinitWithTarget:self selector:@selector(download) object:nil];

注意:opertion 直接调用start,是同步执行(在当前线程执行操作)[operation start];

添加操作到队列中,会自动异步执行 [queue addOperation:operation];

2)NSBlockOperation

创建操作

NSBlockOperation *operation1 = [NSBlockOperation blockOperationWithBlock:^{

        NSLog(@"---下载图片----11---%@", [NSThread currentThread]);

    }];

添加操作到队列中(自动异步执行)

[queue addOperation:operation1];

注意:在调用start方法时,只有任务量大于1,才会开始异步执行   [operation start];


3)NSOperationQueue直接添加任务

NSOperationQueue *queue = [[NSOperationQueue allocinit];

[queue addOperationWithBlock:^{

        // 执行1个耗时的异步操作

}

4)NSBlockOperation设置依赖

[operationB addDependency:operationA];

[operationC addDependency:operationB];


5)NSOperationQueue设置最大并发数

// 1.创建一个队列(非主队列)

NSOperationQueue *queue = [[NSOperationQueue allocinit];

// 2.设置最大并发(最多同时并发执行3个任务)

queue.maxConcurrentOperationCount = 3;



基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
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