通过singletom 单例模式对自己java基础知识的反思

本文深入解析单例模式的实现原理,重点介绍了如何确保一个类只有一个实例,并提供了全局访问点。通过具体的Java代码示例,解释了private和static关键字在此模式中的关键作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

原来理解的单例很是模糊,今天偶尔看到一篇对单例的讲解,觉得茅塞顿开应该写点东西留些纪念。

 

单例模式: 保证一个类仅有一个实例,并提供一个访问它的全局访问点。

 

对于概念应该关注两点

1.一个类仅有一个实例

何为一个类仅有一个实例呢,通过单例的饿汉式代码就能看出来。

public class Singleton {

	private static Singleton uniqueInstance = new Singleton();

	private Singleton(){
	}

	public static Singleton getInstance(){
		return uniqueInstance;
	}
	
}

  其中如果能够很好的理解此模式精髓,你就要理解java的几个核心的概念

1.private 的用法

2.static的用法

 

private访问权限只能在本类中访问,这个是最苛刻的访问条件但是他有一个最大的好处就是它控制了其他的类的访问,避免了外部对此private控制的属性定义的修改同时对方法调用的限制,哪怕是继承类你也不行。

 

static方法说白了就是不用new 对象就可以直接使用对象的方法,static的东西在他还有一个最好的特性static的变量可以作为一种全局的变量(注:java中没有全局变量的概念,通过static可以变相的实现全局变量的特征)。

 

所以综合以上说明:我们不能够外部创建new Singleton (),保证不能有很多的Singleton ,同时static有保证内存只开辟一个存储空间。

内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
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