synchronized关键字与对象锁

本文通过具体实例演示了Java中同步方法的工作原理。首先定义了一个包含同步与非同步方法的类,然后通过两个线程分别调用这些方法来展示同步机制的效果。实验表明,当一个线程正在执行同步方法时,其他线程可以同时执行该对象上的非同步方法;但如果要执行的是另一个同步方法,则必须等待当前同步方法执行完毕。

1、首先定义一个类Myobject。其中 methodA()为同步方法,methodB()为非同步方法

public class MyObject {
synchronized public void methodA(){
try {
System.out.println("begin methodA name:"+Thread.currentThread().getName());
Thread.sleep(2000);
System.out.println("end Time:"+System.currentTimeMillis());

} catch (Exception e) {
e.printStackTrace();
}
}

public void methodB(){
try {
System.out.println("begin methodB name:"+Thread.currentThread().getName()+" begin time:"+
System.currentTimeMillis());
Thread.sleep(2000);
System.out.println("end");
} catch (Exception e) {
e.printStackTrace();
}
}
}

2、定义两个线程类,ThreadA和ThreadB在其run方法中分别调用MyObject 的methodA()和methodB()

public class ThreadA extends Thread{
private MyObject object;

public ThreadA(MyObject object) {
this.object = object;
}

@Override
public void run() {
super.run();
object.methodA();
}


}


public class ThreadB extends Thread{
private MyObject object;

public ThreadB(MyObject object) {
this.object = object;
}

@Override
public void run() {
super.run();
object.methodB();
}
}

3、在main方法运行

public static void main(String[] args) {
MyObject object = new MyObject();

ThreadA a = new ThreadA(object);
a.setName("A");

ThreadB b = new ThreadB(object);
b.setName("B");

a.start();
b.start();
}

4、打印结果

begin methodA name:A
begin methodB name:B begin time:1495549479884
end
end Time:1495549481884

5、将Myobject类中的methodB()方法也加上关键字synchronized,再次运行main函数,打印结果如下:

begin methodA name:A
end Time:1495549998374
begin methodB name:B begin time:1495549998374
end

由此我们可以得出以下结果:

1、A线程先持有object对象的Lock锁,B线程可以以异步的方式调用object对象中的非synchronized类型的方法

2、A线程先持有object对象的Lock锁,B线程如果在这时调用object对象中的synchronized类型方法,则需要等待,也就是同步。


------------转自Java多线程编程核心技术



基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析仿真验证相结合。
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