线程初步

本文介绍了Java中创建线程的两种方法,包括通过继承Thread类和实现Runnable接口的方式。此外,还讲解了后台线程的概念及如何设置线程名称。文章进一步探讨了线程的基本控制方法,例如isAlive()、yield()、sleep()和优先级设置。
线程初步:
1、创建线程的两种方式:
通过Thread t = new Thread()创建,需要继承java.lang包中Thread类重写run()方法,然后让t.start()启动线程;
通过实现Runnable接口也重写了run()方法,接着把Runnable创建出来的对象当参数把它传进去
Runnable r = new XxxThread();
new Thread(r).start();
2、后台(daemon)线程 – 在后台提供一种通用服务的线程。当所有非后台线程结束之后,如main方法之类的线程,程序就终止了。
换句话说,即使daemon Thread还在运行,当其它非daemon线程都已经结束之后,程序就已结束!调用t.setDaemon(true);
3、获得当前线程及其名称:Thread.currentThread().getName()
4、给线程设置名称:
(1)对于实现了Runnable接口的线程则很简单,因为Java的API提供了这种实现:Thread(Runnable target, String name);
new Thread(t,"辅助线程1").start();
(2)对于继承自Thread类的线程类因为API没直接提供,但可以通过构造方法把名称作为参数传进去,然后客户端即可使用之。
public MyThread4(String name){
super(name);
}
Thread t = new MyThread4("某线程");
5、关于线程与垃圾回收的一个误解:
下面一共new出来5个线程,从JVM内存分析来看,当这个t它走出循环后应该说是要被垃圾回收的,但它没这么做
因为这是new出来的一个对象,存在堆中,跳出循环时,因为没有引用指向他所以垃圾回收会去把他回收走,但JVM
显然没有这么做,因为从另一个角度来看,这个线程对象t它还一直调用着run()方法,所以并不会被垃圾回收器给回收
public static void main(String[] args) {
for (int i = 0; i < 5; i++) {
Runnable t = new MyThread2();
new Thread(t).start();
}
for (int i = 0; i < 500; i++) {
System.out.println("Main ing ...."+i);
}
}
[b][color=violet][size=large]在main方法中,并不持有对线程对象的引用[/size][/color][/b],对于普通对象,垃圾回收器将回收那些不再被引用的对象,
但线程对象比较特殊,只有在它的run方法结束之后,垃圾回收器才会考虑回收它
线程的基本控制:
1、isAlive():判断当前执行的线程是否还活着,可用于确定顺序的执行,比如当某个线程执行时候,
直到等他完全执行完了,下面的线程才有机会执行,如:下面的mt线程
MyThread mt = new MyThread();
mt.start();

while(mt.isAlive()){}

for (int i = 0; i < 500; i++) {
2、线程让步:yield():这是从概率上来讲的,一般会是当前线程让步给其他线程先执行自己最后执行,但并不好说
因此下面代码中mt线程先执行完,最后执行完的肯定是main中线程,即调用了yield方法的线程
mt.start();

for (int i = 0; i < 500; i++) {
System.out.println(Thread.currentThread().getName()+": "+i);
Thread.yield();
}
3、线程睡眠:sleep(millons)这个参数指的是毫秒数,即要睡多长的时间然后继续工作,但他也不是绝对的时间大概睡多久而已
4、线程的优先级:Thread的静态属性(MIN_PRIORITY、NORM_PRIORITY【5】、MAX_PRIORITY)一般在1-10之间
5、线程的吊起:a.join()
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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