AtomicInteger简介

本文介绍了一个实用且简单的Java类——AtomicInteger。该类提供了线程安全的整数操作接口,包括获取值、设置值、自增、自减等功能,避免了在多线程环境下使用synchronized关键字。文章通过示例代码展示了如何使用这些接口。
这个类真的非常实用,更重要的是 它确实非常简单:

附上自己的代码,可以自己试试:

AtomicInteger,一个提供原子操作的Integer的类。在Java语言中,++i和i++操作并不是线程安全的,在使用的时候,不可避免的会用到synchronized关键字。而AtomicInteger则通过一种线程安全的加减操作接口。


 
/**
 * 来看AtomicInteger提供的接口。
 * 
 * //获取当前的值
 * 
 * public final int get()
 * 
 * //取当前的值,并设置新的值
 * 
 * public final int getAndSet(int newValue)
 * 
 * //获取当前的值,并自增
 * 
 * public final int getAndIncrement()
 * 
 * //获取当前的值,并自减
 * 
 * public final int getAndDecrement()
 * 
 * //获取当前的值,并加上预期的值
 * 
 * public final int getAndAdd(int delta)
 * 
 * 
 * 
 */
public class AtomicIntegerDemo
{
    public static void main(String[] args) {
        AtomicInteger ai = new AtomicInteger(0);
        int i1 = ai.get();
        v(i1);
        int i2 = ai.getAndSet(5);
        v(i2);
        int i3 = ai.get();
        v(i3);
        int i4 = ai.getAndIncrement();
        v(i4);
        v(ai.get());
        
    }
    
    static void v(int i) {
        System.out.println("i : " + i);
    }
}

结果


i : 0
i : 0
i : 5
i : 5
i : 6

在数字化进程中,人工智能技术日益成为科技革新的关键驱动力,其中强化学习作为机器学习的重要分支,在解决复杂控制任务方面展现出显著潜力。本文聚焦于深度确定性策略梯度(DDPG)方法在移动机器人自主导航领域的应用研究。该算法通过构建双神经网络架构,有效克服了传统Q-learning在连续动作空间中的局限性,为高维环境下的决策问题提供了创新解决方案。 DDPG算法的核心架构包含策略网络与价值评估网络两大组件。策略网络负责根据环境状态生成连续动作指令,通过梯度上升方法不断优化策略以获取最大长期回报;价值评估网络则采用深度神经网络对状态-动作对的期望累积奖励进行量化估计,为策略优化提供方向性指导。这种双网络协作机制确保了算法在复杂环境中的决策精度。 为提升算法稳定性,DDPG引入了多项关键技术:经验回放机制通过建立数据缓冲区存储历史交互记录,采用随机采样方式打破样本间的时序关联性;目标网络系统通过参数软更新策略,以θ_target = τ·θ_current + (1-τ)·θ_target的更新方式确保训练过程的平稳性;探索噪声注入技术则通过在动作输出中添加随机扰动,维持了策略探索与利用的平衡。 在具体实施过程中,研究需依次完成以下关键步骤:首先建立符合马尔科夫决策过程的环境模型,精确描述机器人的运动学特性与环境动力学;随后设计深度神经网络结构,确定各层神经元数量、激活函数类型及参数优化算法;接着进行超参数配置,包括学习速率、批量采样规模、目标网络更新系数等关键数值的设定;最后构建完整的训练验证流程,通过周期性测试评估导航成功率、路径规划效率、障碍规避能力等核心指标。 该研究方法不仅为移动机器人自主导航提供了可靠的技术方案,其算法框架还可扩展应用于工业自动化、智能交通等需要精密控制的领域,具有重要的工程实践价值与理论借鉴意义。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
<< `juc` 是 Java 并发包(java.util.concurrent)的缩写形式,它是 Java SE 5 引入的一个重要功能扩展。该包提供了许多用于构建并发应用程序的工具和类库,大大简化了开发高并发程序的过程。 ### juc 的主要组成部分及其作用: #### 1. **锁机制**: - `ReentrantLock`: 提供与 synchronized 类似的锁定机制,但具有更高的灵活性和性能优化能力。 ```java Lock lock = new ReentrantLock(); lock.lock(); // 获取锁 try { // 执行关键操作 } finally { lock.unlock(); // 确保释放锁 } ``` - `ReadWriteLock`: 支持读/写的分离锁设计模式,在多个线程只进行读取时可以同时访问资源,提高效率。 #### 2. **同步器框架 (AQS)**: AQS(AbstractQueuedSynchronizer) 是一种用来构建锁和其他同步装置的基础框架。通过继承这个抽象类并实现它的模板方法来管理状态值以及等待队列中的节点交互逻辑等核心内容。 #### 3. **原子变量**: 原子类位于 java.util.concurrent.atomic 包内, 如 AtomicInteger、AtomicLong 和 AtomicReference,提供了一些可以在不使用显式加锁的情况下执行基本操作的方法如 getAndIncrement(), compareAndSet() 等保证内存可见性和顺序一致性. ```java import java.util.concurrent.atomic.AtomicInteger; public class Counter { private final AtomicInteger count = new AtomicInteger(0); public void increment(){ while(true){ int currentVal = count.get(); if(count.compareAndSet(currentVal,currentVal+1)){ break; } } } public int getCount(){ return count.get(); } } ``` #### 4. **线程池Executor Framework** : Executor 框架为任务管理和调度提供了高层次的支持,包括创建不同类型的任务运行环境(FixedThreadPool,CachedThreadPool,ScheduledThreadPool), 它们内部实现了工作者-消费者模型,并且能够有效控制线程的数量避免系统资源耗尽等问题发生. ```java import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; public class ThreadPoolExample { public static void main(String[] args)throws Exception{ ExecutorService service= Executors.newFixedThreadPool(3); for(int i=0;i<6;i++)service.submit(new Task(i)); service.shutdown(); } } class Task implements Runnable{int id; Task(int id){this.id=id;} @Override public void run(){System.out.println("Running task "+id);} } ``` 以上是对 JUC 非常简短但是全面性的介绍。JUC 不仅限于上述几个方面,还有更多实用的功能值得深入学习研究。
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