生成者消费者(线程同步,互斥,条件变量)

本文介绍了一个使用多线程实现的生产者消费者模型,通过控制生产者和消费者的节奏来模拟真实世界中的资源分配场景。模型利用了线程、互斥锁、条件变量等并发控制机制,确保了生产与消费过程的有序性和效率。
#include <unistd.h>
#include "stdio.h"
#include <stdlib.h>
#include <pthread.h>


#define N_CONSUMER 3 //消费者数量
#define N_PRODUCER 2 //生产者数量
#define C_SLEEP 1 //控制 consumer 消费的节奏
#define P_SLEEP 1 //控制 producer 生产的节奏

pthread_t ctid[N_CONSUMER];//consumer thread id
pthread_t ptid[N_PRODUCER];//producer thread id

pthread_cond_t notFull,notEmpty;//缓冲区不满;缓冲区不空
pthread_mutex_t buf = PTHREAD_MUTEX_INITIALIZER;//用于锁住缓冲区

//从 begin 到 end(不含end) 代表产品
//cnt 代表产品数量
//max 代表库房的容量,即最多生产多少产品
int begin = 0,end = 0, cnt = 0, max = 4;

void * consumer(void * pidx)//consumer thread idx
{
    printf("consumer thread id %d\n",*((int *)pidx));
    while(1)
    {
        pthread_mutex_lock(&buf);
        while(cnt == 0){//当缓冲区空时
            pthread_cond_wait(&notEmpty,&buf);
        }
        printf("consume %d\n",begin);
        begin = (begin+1)%max;
        cnt--;
        pthread_mutex_unlock(&buf);
        sleep(C_SLEEP);
        pthread_cond_signal(&notFull);
    }
    pthread_exit((void *)0);
}
void * producer(void * pidx)//producer thread idx
{
    printf("producer thread id %d\n",*((int *)pidx));
    while(1)
    {
        pthread_mutex_lock(&buf);
        while(cnt == max){//当缓冲区满时
            pthread_cond_wait(&notFull,&buf);
        }
        printf("produce %d\n",end);
        end = (end+1)%max;
        cnt++;
        pthread_mutex_unlock(&buf);
        sleep(P_SLEEP);
        pthread_cond_signal(&notEmpty);
    }
    pthread_exit((void *)0);
}

int main()
{
    int i  = 0;
    for(i = 0; i < N_CONSUMER; i++)
    {
        ;int * j = (int *) malloc(sizeof(int));
        *j = i;
        if(pthread_create(&ctid[i],NULL,consumer,j) != 0)
        {
            perror("create consumer failed\n");
            exit(1);
        }
    }
    for(i = 0; i < N_PRODUCER; i++)
    {
        int * j = (int *) malloc(sizeof(int));
        *j = i;
        if(pthread_create(&ptid[i],NULL,producer,j) != 0)
        {
            perror("create producer failed\n");
            exit(1);
        }
    }
    while(1)
    {
        sleep(10);
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/kangbry/p/4077296.html

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