设计模式之单件模式

单件模式 别名:Singleton
意图:保证一个类仅有一个实例,并提供一个访问它的全局访问点;
适用性:
1.当类只能有一个实例,而客户可以从一个众所周知的访问点访问它时。
2.当这个唯一实例应该是通过子类化可扩展的,并且客户端应该无需更改代码就能使用一个扩展实例时。
优点:
1.对唯一实例的受访控制;
2.缩小名空间,避免全局变量污染;
3.允许通过子类对操作和表示进行精化;
4.可以扩充为可变数目的实例(这样就形成对象池模式);
5.比类操作更灵活(C++、C#中类操作不能设计为可变数目实例,且类操作亦无法实现为虚函数)
缺点:
无法在语法层面做到既保证仅有一实例,又能被其client扩展。
参与者:Singleton
实现:
1.封闭构造函数,提供静态函数作为访问实例的接口;
2.采用protected构造函数,允许子类进行扩展与动态配置;
3.利用注册方式为某些类提供一个全局访问点
相关:AbstractFactory、Builder、Prototype这些类通常采用单件模式
延伸:
Microsoft:在.net中,微软从语法层面利用静态类提供了单件模式的实现,但如果该单件类的实例化依赖于某运行时变量,则需要自己编写相关单件类,否则,我没发现任何一种设计比微软语法层面机制更好。

示例:
C#:此类为一个支持继承体系的singleton工具类,此类只能提供全局访问点,不能提供语法层面的单件约束。
 

public abstract class Singleton<T>  where T : Singleton<T>, new()
    {
        private static T _singleton = default(T);
        
        protected Singleton() {
            System.Diagnostics.Trace.Assert(_singleton == null);
        }
        
        public static T Instance<U>() where U:T,new()
        {
            lock (typeof(T))
            {
                return _singleton = (_singleton ?? new U());
            }
        }
    }



客户端使用:

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using Sysnet.DesignPatterns;
using Sysnet.Security.Rights;
using Sysnet.Security;
namespace Sysnet.Environments.Rights
{
    public class RightManager : Singleton<RightManager>,IRightManager
 //RightManager单件类为最终的客户端调用的单件类,然而从设计上来说,其可能继承于一个具备一定通用功能的非单件权限管理类。这样就涉及到一个多重继承的例子,其一个父类保证该实例的单件化,另一个父类提供基本的权限管理功能。C#语法层面不支持多重继承,关于在C#中的多重继承的设计,在适配器模式中进行描述。
    {

        public bool Verify(ISession session,IRequest requst)
        {
            return true;
        }
    }
}



代码参见:SyntCore,EnvirLib工程。

C++:下面是一个利用模板机制实现的支持继承(含多重继承)的C++单件类,其实现思路与上述C#类似:

 template<typename T>
 class SingleTon
 {
 public:
  static T* ms_SingleTon;
 
  SingleTon()
  {
   assert(!ms_SingleTon);
   int offset = (int)(T*)1 - (int)(SingleTon<T>*)(T*)1;
   ms_SingleTon = (T*)((int)this + offset);
  }
  ~SingleTon()
  {
   assert(ms_SingleTon);
   ms_SingleTon = 0;
  }
 
  static T& GetSingleTon()
  {
   assert(ms_SingleTon);
   return *ms_SingleTon;
  }
 
  static T* GetSingleTonPtr()
  {
   return ms_SingleTon;
  }
 };
  // 初始化
template<typename T> T* SingleTon<T>::ms_SingleTon = 0;


 

下面的CProgram类实现了单件模式,其作用是为应用程序提供一种全局设置:

#pragma once
#include "../Include/Singleton.h"
#include "WindExt.h"
class WINDEXT_API CProgram : public SingleTon<CProgram>
{
public:
 typedef void (* RepeatRunCallBack)();
private:
 GUID m_guidApplication;
 HANDLE m_hMutex;
 DECLARE_PROPERTY(RepeatRunCallBack,RepeatRunCallBack);
public:
 CProgram();
 void SetApplicationId(GUID &guid);
 void SetApplicationIdByResource(UINT resourceid);
 void SetErrorMode();
 void SetRunOnce();
 virtual ~CProgram(void);
};



 

上述两个单件类均由于支持继承,其基类的构造函数不能为private,因此无法在语法层面保证其不被二次实例化,只能借助运行时检查防止其创建多个实例。

 

源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
评论 1
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