java单例模式

下面是正文

目的

将类的责任集中到唯一的单体对象中,确保该类只有一个实例,并且为该类提供一个全局访问点。

难点

在于系统中任何识别单体和保证单体的唯一性。

实现

  1. 提供唯一的私有构造器
  2. 使用静态域来维护实例
  3. 使用静态方法监视实例的创建
  4. 单体对象的成员变量

主要作用

保证在Java程序中,一个class只有一个实例存在

表现形式

  • 饿汉式(类初始化时,会立即加载此对象。线程安全)
public class HungrySingleton{
    //使用静态域维护实例
    private static final HungrySingleton hungrySingletonInstance = new HungrySingleton();
    //唯一的私有构造器
    private HungrySingleton(){}
    //使用静态方法监视实例的创建
    public static HungrySingleton getInstance(){
        
        return hungrySingletonInstance;
        
    }
}
  • 懒汉式(在使用时加载此对象,延时加载的效果。线程不安全)
方式一:只能在单线程中使用,线程不安全
public class LazySingleton{
    //使用静态域维护实例
    private static final LazySingleton lazySingletonInstance = null;
    //唯一的私有构造器
    private LazySingleton(){}
    //使用静态方法监视实例的创建
    public static LazySingleton getInstance(){
        if (null == lazySingletonInstance){
            lazySingletonInstance = new LazySingleton();
        }
        return lazySingletonInstance;
    }
}

方式二:在多线程中使用,线程安全,但是效率比较低

public class LazySingleton{
    //使用静态域维护实例
    private static LazySingleton lazySingletonInstance = null;
    //唯一的私有构造器
    private LazySingleton(){}
    //使用静态方法监视实例的创建
    public static synchronized LazySingleton getInstance(){
        if (null == lazySingletonInstance){
            lazySingletonInstance = new LazySingleton();
        }
        return lazySingletonInstance;
    }
}
  • 双重检查锁定单例
public class DoubleCheckLockSingleton{
    //使用静态域维护实例
    private volatile static DoubleCheckLockSingleton doubleCheckLockSingletonInstance = null;
    //唯一的私有构造器
    private DoubleCheckLockSingleton(){}
    //使用静态方法监视实例的创建
    public static synchronized DoubleCheckLockSingleton getInstance(){
        if (null == doubleCheckLockSingletonInstance){  // 第一次检查
            synchronized(DoubleCheckLockSingleton.class){
                if (null = doubleCheckLockSingletonInstance){  //第二次检查
                    doubleCheckLockSingletonInstance = new DoubleCheckLockSingleton();
                }
            }
        }
        return doubleCheckLockSingletonInstance;
    }
}
  • 静态内部类(推荐)
public class StaticInnerClassSingleton{

    private StaticInnerClassSingleton(){}

    private static class StaticInnerClass{
        private final static StaticInnerClassSingleton staticInnerClassSingletonInstance = new StaticInnerClassSingleton()
    }
    
    public static StaticInnerClassSingleton getInstance(){
        
        return StaticInnerClass.StaticInnerClassSingletonInstance;
        
    }

}

运行截图
单例模式运行截图

相关模式

  • 多例模式
  • 抽象工厂模式:将具体工厂类设计为单例
  • 建造模式:将具体类设计成单例
内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
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