反汇编反出来的

本文介绍了Win32环境下全局和局部内存管理API的区别与联系,包括GlobalAlloc、GlobalLock及GlobalFree等函数的使用方法。此外,还探讨了HeapAlloc与VirtualAlloc在内存分配上的不同之处。
GlobalAlloc

分配一个全局内存块

返回值
Long,返回全局内存句柄。零表示失败。会设置GetLastError

从用户的角度来看,WIN32的内存管理是非常简单和明了的。每一个应用程序都有自己独立的4G地址空间,这种内存模式叫做“平坦”型地址模式,所有的段 寄存器或描述符都指向同样的起始地址,所有的地址偏移都是32位的长度,这样一个应用程序无须变换选择符就可以存取自己的多达4G的地址空间。这种内存管 理模式是非常简洁而便于管理的,而且我们再不用和那些令人讨厌的“near”和“far”指针打交道了。在W16下有两种主要类型的API:全局和局部。 “全局”的API 分配在其他的段中,这样从内存角度来看他们是一些“far”(远)函数或者叫远过程调用,“局部”API只要和进程的堆打交道,所以把它们叫做 “near”(近)函数或者近过程调用。而在WIN32中,这两种内存模式是相同的,无论您调用GlobalAlloc还是LocalAlloc,结果都 是一样。

至于分配和使用内存的过程都是一样的:

    调用GlobalAlloc函数分配一块内存,该函数会返回分配的内存句柄。
    调用GlobalLock函数锁定内存块,该函数接受一个内存句柄作为参数,然后返回一个指向被锁定的内存块的指针。
    您可以用该指针来读写内存。
    调用GlobalUnlock函数来解锁先前被锁定的内存,该函数使得指向内存块的指针无效。
    调用GlobalFree函数来释放内存块。您必须传给该函数一个内存句柄。
    在WIN32中您也可以用“Local”替代内存分配API函数带有“Global”字样的函数中的“Global”,也即用LocalAlloc、LocalLock等。
    在调用函数GlobalAlloc时使用GMEM_FIXED标志位可以更进一步简化操作。使用了该标志后,Global/LocalAlloc返回的是 指向已分配内存的指针而不是句柄,这样也就不用调用Global/LocalLock来锁定内存了,释放内存时只要直接调用 Global/LocalFree就可以了。

HeapAlloc和GlobalAlloc以及VirtualAlloc三者之间的关系(转贴)
2006-09-12 14:10







  CloseHandle的功能是关闭一个打开的对象句柄,该对象句柄可以是线程句柄,也可以是进程、信号量等其他核心对象的句柄,而ExitThread的功能是终止一个线程,它所接受的参数是一个线程的退出码。  
   
       
    ExitThread是推荐使用的结束一个线程的方法,当调用该函数时,当前线程的栈被释放,然后线程终止,相对于TerminateThread函数来说,这样做能够更好地完成附加在该线程上的DLL的清除工作。  


  如果CreateProcess()函数调用成功,则调用CloseHandle()函数关闭所返回的子进程的句柄和子进程主线程的句柄。为什么要这样做呢?
   在创建一个新进程时,系统会为该进程建立一个进程内核对象和一个线程内核对象,而每个内核对象都有一个使用计数,系统会为这两个对象赋予初始的使用计 数:1,在Createprocess()函数返回之前,它将打开创建的进程对象和线程对象,并将每个对象与进程和线程相关的句柄放在其最后一个参数 PROCESS_INFORMATION结构体的相应成员中。当CreatePoress()函数在其内部打开这些对象时,每个对象的使用计数就变为2, 如果在父进程中不需要使用子进程的这两个句柄,则可以调用CloseHandle()函数关闭他们,系统将子进程的进程内核对象和线程内核对象的计数减 1,当子进程终止运行时,系统会将这些使用计数减1,这时子进程的进程内核对象和线程对象计数就变为0了,这来两个内核对象就能够释放了。


所以在编程时,当不需要操作这些内核对象时,总是应该调用CloseHandle函数关闭它们







内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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