Objective-C基础教程笔记3

本文介绍了Objective-C中的内存管理原理,包括对象的生命周期、引用计数、自动释放池及Cocoa内存管理规则等内容。

 

完全是按照书上章节的顺序来的 这次是第九章的内容 关于内存管理

作为一名一直写java,当初就是因为java的自动垃圾回收机制,于是偷懒投奔java阵营的来说,这次不得不又回过头来面对这个问题了。后面的笔记只是对书中一些内容的记录总结,由于没有实战,具体使用中会碰到什么问题还是不得而知,而且我想那一定会存在相当多的问题,好在最后给出的三条准则还是非常易用的。(听同伴说xCode提供了检查内存泄露的工具,挺好用)

本章最后提到了Objective-C也同样可以打开垃圾回收,不过由于只对高版本有效,并非通用,所以个人感觉既然使用了Objective-C,因此还是应该掌握内存管理的方法。

 

对象的声明周期:

诞生(通过alloc或new)、实现(接收消息和执行操作)、交友(借助方法的组合和参数)、死去(被释放)

Cocoa使用引用计数

当使用alloc,new或者copy方法创建一个对象时,计数器值设为1

发送retain消息增加计数器值,减少使用release

当计数器归0,Objective-C自动发送dealloc消息,可以重写dealloc方法,但是不要直接去调用该方法

发送retainCount消息获得当前计数器值

 

- (id) retain;
- (void) release;
- (unsigned) retainCount;
 

 

[[car retain] setTire:tire at Index:2];

表示要求car对象将计数器加1,并执行setTire操作

 

一种set方法的正确内存管理方法

 

- (void) setEngine: (Engine *) newEngine{
	[newEngine retain]; 
	[engine release];
	engine=newEngine;
}
 

自动释放池

NSObject类提供了autorelease方法

 

- (id) autorelease;

执行后对象将被添加到自动释放池中,自动释放池被销毁时,向其中所有对象发送release消息

 

Cocoa内存管理规则

* 当使用new,alloc,copy方法创建一个对象时,该对象保留计数器为1,如果不再使用该对象,需要手动发送release或autorelease消息

* 通过其他方式获得的对象,则假设该对象计数器为1,并以设置自动释放,不需要做任何事,如果需要在一段时间内使用,那么保留该对象并确保在工作完成后释放

* 如果保留了某个对象,最终需要手动释放该对象,保持retain和release使用次数相等

 

例如

临时对象

 

NSMutableArray *array;
array=[[NSMutableArray alloc] init];
//...use array...
[array release];

使用了alloc获得对象,所以用完需要释放

 

 

NSMutableArray *array;
array=[NSMutableArray arrayWithCapacity:17];
//use it, autorelease

注意这里使用了arrayWithCapacity获得对象,并不是3者之一,所以无需做任何事

 

 

NSColor *color;
color=[NSColor blueColor];

和上述情况相同,其实这里的blueColor是一个全局单例对象,永远不会被销毁

 

拥有对象

 

- (void) doStuff{
	//flonkArray is an instance variable
	flonkArray=[NSMutableArray new];
}
- (void) dealloc{
	[flonkArray release];
	[super dealloc];
}
 

 

 

- (void) doStuff{
	//flonkArray is an instance variable
	flonkArray=[NSMutableArray arrayWithCapacity: 17];
	[flonkArray retain];
}
- (void) dealloc{
	[flonkArray release];
	[super dealloc];
}
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或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应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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