使用伴生对象创建计数器工具类

本文介绍了一个使用Scala实现的单例模式计数器。通过伴生对象的方式确保计数器实例唯一,并提供了增加、减少及显示当前计数值的方法。
package excise.day02

/**
  * 单例模式,实现计数器
  */
class SingletonInstance private {
  //用 private 关键字修饰,这样就只有伴生对象一个对象了,有效防止外部实例化 SingletonInstance 类
  //只能供对应伴生对象使用
  override def toString = "This is a counter Class "
  protected var counter = 0  // protected  伴生对象可访问, private 伴生对象也访问不了
}

object SingletonInstance{
  private val singleton = new SingletonInstance
  def getInstance: SingletonInstance = singleton
  def f_counter_plus_one : Int= {
    singleton.counter += 1
    singleton.counter
  }
  def f_counter_minus_one  : Int= {
    singleton.counter -= 1
    singleton.counter
  }
  def f_show_current_counter : String = {
    // 这里不知道怎么消除黄色警告,返回类型用Unit也不行,只好借助返回一个空字符串
    println( "The current value of counter is :  "+singleton.counter)
    ""
  }
  def f_get_current_counter : Int = {
    singleton.counter
  }
}

object SingletonInstanceTest {
  def main(args: Array[String]): Unit = {
    SingletonInstance.f_show_current_counter
    SingletonInstance.f_counter_plus_one
    SingletonInstance.f_show_current_counter
    SingletonInstance.f_counter_plus_one
    SingletonInstance.f_show_current_counter
    SingletonInstance.f_counter_plus_one
    SingletonInstance.f_show_current_counter
    SingletonInstance.f_counter_minus_one
    SingletonInstance.f_show_current_counter
    SingletonInstance.f_counter_plus_one
    SingletonInstance.f_show_current_counter
  }
}

使用伴生对象创建计数器工具类

输出结果:

The current value of counter is :  0
The current value of counter is :  1
The current value of counter is :  2
The current value of counter is :  3
The current value of counter is :  2
The current value of counter is :  3

 

转载于:https://www.cnblogs.com/zjc10203/p/9142825.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