单例模式[转]

TO: My Sun(为什么会在类的定义中调用自己)

1. 单例的目的是什么?  
   
这个应该很明显,保证一个类只有单一的实例,也就是说你无法通过New或CreateInstance来创建这个类的一个新实例。
2. 单例的好处在哪里?
   
当一个对象在程序内部只能有一个实例的时候,它可以保证我们不会重复创建,而是始终指向同一个对象。
3. 怎么用?
     单例模式的实现代码如下:

namespace SinglePattern
{
     public class SingleClass
     {
         private static SingleClass instance;

         protected SingleClass(){}

         public static SingleClass GetInstance()
         {
             if(instance == null)
             {
                 instance = new SingleClass();
             }
             return instance;
         }

}
}

上面的代码,可以说是一个标准的单例的代码,但是上述代码在多线程的时候有可能会产生多个实例,为了避免这个情况的发生,我们需要限制同一时间,只能有一个线程访问。

利用lock可以实现我们的目的:

namespace SinglePattern
{
     public class SingleClass
     {
         // 静态变量
         private static SingleClass instance;

         // "锁"变量
         private static object lockObject = new objest();

         // 受保护的构造函数
         protected SingleClass(){}

         // 静态获取对象的方法
         public static SingleClass GetInstance()
         {
             lock (lockObject)
             {
                 if (instance == null)
                 {
                     instance = new SingleClass();
                 }
             }
             return instance;
         }

     }
}

另一个方法:

这个方法经过调整之后,也可以用于限制一个窗体只能启动一个实例。

using System.Threading;
namespace SinglePattern
{
     public class SingleClass
     {
         // 静态变量
         private static SingleClass instance;

         // 受保护的构造函数
         protected SingleClass(){}

// 静态获取对象的方法
         public static SingleClass GetInstance()
         {
Mutex mutex = new Mutex();
             mutex.WaitOne();

             if (instance == null)
             {
                 instance = new SingleClass();
             }

             mutex.Close();

             return instance;
         }

     }
}

基于遗传算法的微电网调度(风、光、蓄电池、微型燃气轮机)(Matlab代码实现)内容概要:本文档介绍了基于遗传算法的微电网调度模型,涵盖风能、太阳能、蓄电池和微型燃气轮机等多种能源形式,并通过Matlab代码实现系统优化调度。该模型旨在解决微电网中多能源协调运行的问题,优化能源分配,降低运行成本,提高可再生能源利用率,同时考虑系统稳定性与经济性。文中详细阐述了遗传算法在求解微电网多目标优化问题中的应用,包括编码方式、适应度函数设计、约束处理及算法流程,并提供了完整的仿真代码供复现与学习。此外,文档还列举了大量相关电力系统优化案例,如负荷预测、储能配置、潮流计算等,展示了广泛的应用背景和技术支撑。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能电网优化研究的工程技术人员。; 使用场景及目标:①学习遗传算法在微电网调度中的具体实现方法;②掌握多能源系统建模与优化调度的技术路线;③为科研项目、毕业设计或实际工程提供可复用的代码框架与算法参考; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注目标函数构建与约束条件处理,同时可参考文档中提供的其他优化案例进行拓展学习,以提升综合应用能力。
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