python基础---线程的概念以及表示方法

本文详细介绍了多线程编程的基本概念,包括线程与进程的区别,以及如何在Python中使用多线程进行并发任务处理。通过实例展示了如何利用threading模块创建线程,以及线程在实际应用中的优势。

线程
操作系统会为每一个进程分配独立的内存空间
进程缺点:因为占用独立的资源,所以对系统的开销比较大。
一般情况下,我们可以用多线程任务进行开发。
一个进程中,包含多个线程,线程对系统的开销很小。
一个进程当中至少有一个线程,默认的这个线程为主线程

E.g.
迅雷软件-----是一个进程-----
下载多个文件------多个线程
多线程开发
1导入 import threading 模块
2 创建线程
方法1
Threading.Thread(target=函数名,args=(参数1,参数2))
3 查看多线程数量:
Count=len(threading.enumerate()) 返回当前活着的所有线程列表
4 多线程的执行顺序是不确定的。

线程
from threading import Thread
from urllib import request
def downloader(url):
    file_name=url.split('/')[-1]
    response=request.urlopen(url)
    content=response.read()
    with open(file_name,'wb') as fq:
        fq.write(content)
if __name__ == '__main__':
    #主进程下面有一个主线程
    url_list=[
        'http://p0.so.qhimgs1.com/sdr/200_200_/t01bf08316ff4b622ec.jpg'
,'http://p2.so.qhimgs1.com/sdr/200_200_/t019f4f13550fd02902.jpg'
    ]
    #创建线程
    for url in url_list:
        t=Thread(target=downloader,args=(url,))
        t.start()

线程第二种表示方法

from threading import Thread
from urllib import request
class Thread_class(Thread):
    def __init__(self,url):
        Thread.__init__(self)
        self.url=url
    def run(self):
        file_name = self.url.split('/')[-1]
        response=request.urlopen(self.url)
        content=response.read()
        with open(file_name,'wb') as fq:
            fq.write(content)
if __name__ == '__main__':
    url_list=['http://photos.tuchong.com/394511/f/14161138.jpg'
        ,'http://5b0988e595225.cdn.sohucs.com/images/20180514/efc5049b944d4cdc8775f87da168ca5e.jpeg'
    ]
    for url in url_list:
        t=Thread_class(url)
        t.start()
【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