线程

本文介绍了C#中的线程概念,包括前台线程与后台线程的区别,以及如何使用ThreadPool进行线程管理。重点讲解了线程池的工作原理和如何通过自定义对象传递参数。此外,还探讨了多线程共享数据时的同步问题。

定义:

线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位。

 

线程类型:

前台线程--应用程序必须运行完所有的前台线程才可以退出

后台线程--应用程序可以不考虑其是否已经运行完毕而直接退出,所有的后台线程在应用程序退出时都会自动结束

.Net环境使用Thread建立的线程默认情况下是前台线程,即线程属性IsBackground=false

參考:前台线程和后台线程的区别

 

线程池:

用来存放应用程序使用的线程的集合,可以理解为存放线程的地方,这种集中存放的方式有利于管理线程。
当应用程序想要执行一个异步操作时,需要调用QueueUserWorkItem方法将对应的任务添加到线程池中。线程池会从队列中提取任务,并且将其委派给线程池中的线程执行。
如果线程池中没有空闲的线程,就会创建一个新的线程去提取新的任务。当线程完成某个任务时候,线程也不会被销毁,而是返回到线程池中,等待另外一个请求。默认都是后台线程。

//指定作为线程池方法的参数的类

class ThreadInfo

{

    public string FileName { get; set; }

}

//线程池的应用

class Example

{

    public Example()

    {

        // 声明一个新的参数对象

        ThreadInfo threadInfo = new ThreadInfo();

        threadInfo.FileName = "file.txt";


        //发送自定义的对象到线程方法(传参)

        ThreadPool.QueueUserWorkItem(new WaitCallback(ProcessFile), threadInfo);

    }


    private void ProcessFile(object a)

    {

        ThreadInfo threadInfo = a as ThreadInfo;

        string fileName = threadInfo.FileName;

    }

}

 

多线程共享数据:

lock(this)
{
    ++b;
    q1.Enqueue(b);
}

静态成员

附:

C# 任务和线程的区别

 

 

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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