并发编程基础 Lecture Notes(四)

本文深入探讨了Monitor机制作为处理临界资源的一种方式,并对比了信号量的不足之处。文章详细介绍了Monitor内部条件变量的作用及其实现过程,通过三个具体案例——有界缓冲区、读者写者问题和理发店问题,展示了Monitor在解决实际并发问题中的应用。

Monitor是另一种处理临界资源的机制。

信号量的缺点:

- 共享的变量对于所有进程来说是全局的,所有没有合理的保护机制,很容易误操作

- 并发代码散乱分布在整个程序中

- 一遇到mutual exclusion就要进行编码

管道的优点:

- 固定的共享变量对进程隐藏

- 通过管道procedure来访问管道

- 一次只允许一个进程在管道内进行操作,因为自动形成了mutual exclusion

- 条件变量可以提供同步


Condition variable c: an object defined inside a monitor which has its own queue of delayed processes

wait(c): add the process to c's queue of blocked processes

signal(c): move the front process from c's queue of blocked processes to a list of ready processes

如果阻塞队列为空的话,singal操作不会产生任何影响。


- Bounded Buffer Monitor

Monitor BBuffer {

buf[1:n]

int front = 1, rear = 1, count = 0;

cond not_full;

cond not_empty;


procedure deposit(item) {

while(count == n) wait(not_full);

put item into buf;

rear = (rear+1) % n;

count++;

signal(not_empty);

}


procedure fetch() {

while(count==0) wait(not_empty);

take item out of buf;

front = (front+1) % n;

count--;

singal(not_full);

}

}

- Readers and Writers

Monitor RWController {

int nr = 0, nw = 0;

cond oktoread;

cond oktowrite;


procedure request_read(){

while(nw > 0) wait(oktoread);

nr++;

}

procedure release_read(){

nr--;

while(nr == 0 && nw == 0) signal(oktowrite);

}

procedure request_write(){

while(nr > 0 && nw > 0) wait(oktowrite);

nw++;

}

procedure release_write(){

nw--;

while(nw == 0)

signal_all(oktoread);

}

}

- The Barber Shop 

Monitor BarberShop {

int chair = 0, barber = 0, open = 0;

cond bfree, chocc, doorop, cleft;


procedure get_cut(){

while(barber == 0) wait(bfree);

wake up the barber;

barber--;

sleep;

chair++;

signal(chocc);

hair cut;

while(open == 0) wait(doorop);

open--;

signal(cleft);

}

procedure get_customer(){

barber++;

signal(bfree);

while(chair == 0) wait(chocc);

chair--;

}

procedure finish_cut() {

open++;

signal(doorop);

while(open > 0) wait(cleft);

}

}

【电动车】基于多目标优化遗传算法NSGAII的峰谷分时电价引导下的电动汽车充电负荷优化研究(Matlab代码实现)内容概要:本文围绕“基于多目标优化遗传算法NSGA-II的峰谷分时电价引导下的电动汽车充电负荷优化研究”展开,利用Matlab代码实现优化模型,旨在通过峰谷分时电价机制引导电动汽车有序充电,降低电网负荷波动,提升能源利用效率。研究融合了多目标优化思想与遗传算法NSGA-II,兼顾电网负荷均衡性、用户充电成本和充电满意度等多个目标,构建了科学合理的数学模型,并通过仿真验证了方法的有效性与实用性。文中还提供了完整的Matlab代码实现路径,便于复现与进一步研究。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事智能电网、电动汽车调度相关工作的工程技术人员。; 使用场景及目标:①应用于智能电网中电动汽车充电负荷的优化调度;②服务于峰谷电价政策下的需求侧管理研究;③为多目标优化算法在能源系统中的实际应用提供案例参考; 阅读建议:建议读者结合Matlab代码逐步理解模型构建与算法实现过程,重点关注NSGA-II算法在多目标优化中的适应度函数设计、约束处理及Pareto前沿生成机制,同时可尝试调整参数或引入其他智能算法进行对比分析,以深化对优化策略的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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