单例模式

单例模式是指确保一个类仅有一个唯一的实例,并且提供一个全局的访问点

设计思路:将构造方法声明为private, 然后提供一个可以获取该实例的静态方法,即getInstance方法。

单例模式可以控制实例数目,节省系统资源。

单例模式有多种写法,不同的写法有不同的性能与特性。

1 懒汉模式

/*
* 懒汉模式,延迟实例化,线程不安全,当线程A进入if(instance == null)后中断,
* 此时instance == null,线程B亦可进入if(instance == null)并实例化A后中断,
* 执行线程A,此时线程A执行instance  =new A();实例化。违反了单例模式的唯一实例
*/
class A{
    private static A instance = null;
    public int b = 0;
    private A(){b++;}
    void f(){
        System.out.println("实例化次数:"+b);
        System.out.println("我是A");

    }
    public static A getInstance(){
        if(instance == null){
            instance = new A();
        }
        return instance;
    }
}

2 同步的懒汉模式

//懒汉模式,延迟实例化,线程安全,但是加锁,效率低,若非程序对获取实例
//即getInstance的性能不做要求,不然不建议使用

class B{
    private static B instance=null;
    public int b = 0;
    private B(){b++;}
    public void f(){
        System.out.println("实例化次数:"+b);
        System.out.println("我是B");
    }
    public static synchronized B getInstance(){
        if(instance == null)
            instance = new B();
        return instance;
    }
}

3.饿汉模式

//饿汉模式, 使用static关键字,在类加载时就实例化,这种模式没有使用加锁,
//性能较好,也能实现线程安全,但如果没有用到这个实例,便会导致这个实例成为垃圾,
//浪费资源。对于对资源敏感的系统不建议使用此种方式。
//注:反射和反序列化能破解这种写法的单例模式
class C{
    private static C instance = new C();
    public int b = 0;
    private C(){
        b++;
    }
    public void f(){
        System.out.println("初始化次数:"+b);
        System.out.println("我是C");
    }
    public static C getInstance(){
        return  instance;
    }
}

4.枚举实现单例模式

//使用枚举, 推荐这种写法,简单
// 线程安全
// 防止反射和反序列化操作破解
// 无延时加载
enum D{
    INSTANCE;
    public void f(){
        System.out.println("我是D");
    }
    public static D getInstance(){
        return INSTANCE;
    }
}
还有一种写法是双重锁,但并不能保证线程安全,详见https://blog.youkuaiyun.com/chenchaofuck1/article/details/51702129
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