单例

第一中创建单例的代码:

//使用allocWithZone[经典方式]方式创建,需要具备三部分

//1、类的构造方法是私有的--我们只需要重写allocWithZone方法,让初始化操作只执行一次

//2、类提供一个类方法用于生产对象--这个可以直接定义一个类方法

//3、类中有一个私有的自己对象--.m文件中定义一个属性即可


//创建私有对象

static Why *why =nil;


//自身产生对象提供给外部使用

+(Why *)shareInstance

{

    if (why ==nil) {

        why = [[Whyalloc] init];

    }

    return why;

}

//限制方法,类只能初始化一次,在alloc的时候会调用

+ (id)allocWithZone:(struct_NSZone *)zone

{

//    if (why == nil) {

//        why = [super allocWithZone:zone];

//    }

//    return why;

    

    if (!why) {

        why = [superallocWithZone:zone];

    }

    return why;

}


//拷贝方法

- (id)copyWithZone:(NSZone *)zone

{

    return why;

}


第二种创建单例的方法-使用线程加锁[GCD]的方式进行创建单例,该方法比较常用

+ (Why *)shareInstance2

{

    static Why *w;

//    断言,确定是否执行代码块,断言的指针要保存起来,必须全句化保存或者是放在静态区内,使用存放在自动分配区域或动态分配区域的断言,dispatch_once执行的结果是不可预知的

    static dispatch_once_t onceToken;

    dispatch_once(&onceToken,^{

        w = [[[self class] alloc] init];

    });

    

    return w;

}


第三种创建单例

使用指令锁的方式,锁住线程不让别人访问

static WHY *instance = nil;

+ (WHY *)Instance 

{

    @synchronized(self)

    {

if(instance == nil){

    instance = [[self alloc] init];

}

    }


    return instance;

}

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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