Objective-C使用单例(Singleton)模式

本文详细介绍了Objective-C中单例模式的使用方法,包括ARC模式下的实现技巧及兼容性处理,并提供了非ARC模式下的实现方式。此外,文章还讨论了线程安全问题及其解决方案。

http://xiaoyu.li/2012/singleton-in-objective-c/?utm_source=rss

今天来说说Objective-C中如何使用单例模式(Singleton),毕竟这是设计模式中常常用到的一种。至于什么是单例估计就不要我解释了,点击这里是Wikipedia中对单例的解释,自己去看看吧。

首先看看在ARC模式下使用单例,首先呢,创建一个类,索性就叫SingletonExample,下面是SingletonExample.h文件中的:

#import <foundation/Foundation>

@interface SingletonExample : NSObject 

+(SingletonExample *)sharedInstance;

@end

然后就是SingletonExample.m中的

#import “SingletonExample.h”

@interface SingletonExample ()

-(id)initialize;

@end

@implementation SingletonExample
+(SingletonExample *)sharedInstance
{
	static SingletonExample *sharedSingleton = nil;
	static dispatch_once_t onceToken;
	dispatch_once(&onceToken,^(void)
	{
		sharedSingleton = [[self alloc] initialize];
	});
	return sharedSingleton;
}

-(id)initialize
{
	if(self == [super init] )
	{
		//initial something here
	}
	return self;
}

@end

如果你代码的目标想兼容iOS 4以下的系统,那么上述代码中的sharedInstance方法里面的GCD便不能用了,可以用下面的方法进行替代。

+(SingletonExample *)sharedInstance
{
	static SingletonExample *sharedSingleton = nil;
	@synchronized([SingletonExample class])
	{
		if(sharedSingleton == nil)
		{
			sharedSingleton = [[self alloc] initialize];
		}
	}
	return sharedSingleton;
}

这样的话就能兼容所有的iOS设备了,不过@synchronize貌似不太好用,我查一下资料说是效率相比GCD比较低。

我之前查单例的资料,发现基本上国内的技术博客上都是这样写SingletonExample方法的

+(SingletonExample *)sharedInstance
{
	static SingletonExample *sharedSingleton = nil;
	if(sharedSingleton == nil)
	{
		sharedSingleton = [[self alloc] initialize];
	}
	return sharedSingleton;
}

这样的写法能在99%的情况下都能使用,完全正常。只不过如果有两个线程同时使用Singleton,那么就会出现问题。所以就是用了dispatch_once_t或者是@synchronized方法,保证线程安全。

上面这些方法呢,都是在ARC下面使用的,如果你使用的Non-ARC,其实也很简单,在SingletonExample.m中加入下面这些即可:

(id)allocWithZone:(NSZone *)zone
{
  return [[self sharedInstance] retain];
}
(id)copyWithZone:(NSZone *)zone
{
  return self;
}
- (id)retain {
  return self;
}
- (unsigned)retainCount {
  return UINT_MAX; //denotes an object that cannot be released
}
- (oneway void)release {
  // never release
}
- (id)autorelease {
  return self;
}

- (void)dealloc {
  // Should never be called, but just here for clarity really.
  //release what you initialized
  [super dealloc];
}

然后再把sharedInstance方法给改一下

static SingletonExample *sharedSingleton = nil;

+(SingletonExample *)sharedInstance
{
      @synchronized(self)
      {
          if(sharedSingleton == nil)
              sharedMyManager = [[super allocWithZone:NULL] init];
      }
      return sharedSingleton;
}

搞定了,单例创建完。先写到这,有时间再增加一下用单例进行传值或者消息传递的方法。


内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的子。 简的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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