单例实现方式总结

单例模式即确保一个类只有一个实例,并提供一个对实例的全局访问点。

Java语言中实现的关键是静态实例变量和私有构造方法

按照构造实例时机不同分为:饿汉式和饱汉式。

饿汉式:

public class EagerSingleton{

 

      private static EagerSingleton singleton = new EagerSingleton();

 

       private EagerSingleton(){

       }

 

       public EagerSingleton getInstance(){

             return singleton;

       }

}

 

饱汉式:

public class FullSingleton{

 

       private static FullSingleton singleton = null;

 

       private EagerSingleton(){

       }

 

       public static FullSingleton getInstance(){

             if(singleton==null){

                  singleton = new FullSingleton();

             }

             return singleton;

       }

}

对于上面的实现,由于if判断处没有进行同步因此在多线程环境可能产生多个实例的问题

然而如果加上同步控制,在get实例时每次都要进行同步 ,又可能对性能造成损失。因此又产生了双检锁这种模式。在JDK1.5以后双检锁是有效的:

public class FullSingleton{

 

       private volatile static FullSingleton singleton = null;

 

       private EagerSingleton(){

       }

 

       public static FullSingleton getInstance(){

             if(singleton==null){

                  synchronized (FullSingleton.class){

                        if(singleton==null){

                              singleton = new FullSingleton();

                        }

                  }

             }

             return singleton;

       }

}

 

上面的单例实现方式中类必须提供私有构造函数,这点是关键。

还有两点需要我们考虑:私有的构造函数可能通过反射AccessibleObject.setAccessible()方法改变其访问权限 。从而生成多实例;对于这种方式可以在构造函数中增加对多实例情况的判断即可;此外我们知道在Java语言中构造类的实例,构造函数只是其中一种方式,我们还可以通过诸如:克隆,反射,反序列化 等途径生成实例对象。克隆的前提是基于已有对象;通过反射构造实例必须提供默认的构造方法 ,因此上面的实现方式在这两种情况都不会有问题。而反序列化的方式不会调用构造函数,此时对于这种方式需要注意

1.单例类不实现序列化接口 ,这样就避免了序列化/反序列化的可能;

2.如果有序列化的需要,那么可以实现ANY-ACCESS-MODIFIER Object readResolve() throws ObjectStreamException;方法:

private Object readResolve() throws ObjectStreamException{

       return singleton;

}

这样反序列化机制会保证返回的总是这个唯一的实例对象。

 

JDK1.5提供的枚举,而枚举的用处就是创建有限的几个实例,因此是实现单例的理想方式:

public enum Singleton{

       SINGLETON;

}枚举单例的实现方式在Java语法层面,天生就能应对上面介绍的可能导致的多实例因素。是推荐的一种简单实用的方法。

基于遗传算法的微电网调度(风、光、蓄电池、微型燃气轮机)(Matlab代码实现)内容概要:本文档介绍了基于遗传算法的微电网调度模型,涵盖风能、太阳能、蓄电池和微型燃气轮机等多种能源形式,并通过Matlab代码实现系统优化调度。该模型旨在解决微电网中多能源协调运行的问题,优化能源分配,降低运行成本,提高可再生能源利用率,同时考虑系统稳定性与经济性。文中详细阐述了遗传算法在求解微电网多目标优化问题中的应用,包括编码方式、适应度函数设计、约束处理及算法流程,并提供了完整的仿真代码供复现与学习。此外,文档还列举了大量相关电力系统优化案,如负荷预测、储能配置、潮流计算等,展示了广泛的应用背景和技术支撑。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能电网优化研究的工程技术人员。; 使用场景及目标:①学习遗传算法在微电网调度中的具体实现方法;②掌握多能源系统建模与优化调度的技术路线;③为科研项目、毕业设计或实际工程提供可复用的代码框架与算法参考; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注目标函数构建与约束条件处理,同时可参考文档中提供的其他优化案进行拓展学习,以提升综合应用能力。
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