9、JUC--线程按序交替

该博客主要围绕线程按序交替展开,编写程序开启 3 个 ID 分别为 A、B、C 的线程,每个线程将自己的 ID 在屏幕上打印 10 遍,要求输出结果按 ABCABCABC…… 依次递归显示。

线程按序交替

编写一个程序,开启 3 个线程,这三个线程的 ID 分别为
A、B、C,每个线程将自己的 ID 在屏幕上打印 10 遍,要
求输出的结果必须按顺序显示。
如:ABCABCABC…… 依次递归

 

 

class AlternateDemo{
    private int number =1;//当前执行线程的标记
    
    private Lock lock = new ReentrantLock();
    private Condition condition1 = lock.newCondition();
    private Condition condition2 = lock.newCondition();
    private Condition condition3 = lock.newCondition();
    
    public void loopA(int totalLoop){
        lock.lock();
        try {
            //1、判断
            if(number !=1){
                    condition1.await();
            }
            //2、打印输出
            for(int i=1;i<=5;i++){
                System.out.println(Thread.currentThread().getName()+"\t"+ i + "\t" + totalLoop);
            }
            //3、唤醒下一个线程
            number =2;
            condition2.signal();
        }catch (Exception e) {
            e.printStackTrace();
        } finally {
            lock.unlock();
        }
    }
    public void loopB(int totalLoop){
        lock.lock();
        try {
            //1、判断
            if(number !=2){
                    condition2.await();
            }
            //2、打印输出
            for(int i=1;i<=5;i++){
                System.out.println(Thread.currentThread().getName()+"\t"+ i + "\t" + totalLoop);
            }
            //3、唤醒下一个线程
            number =3;
            condition3.signal();  
        }catch (Exception e) {
            e.printStackTrace();
        } finally {
            lock.unlock();
        }
    }
    public void loopC(int totalLoop){
        lock.lock();
        try {
            //1、判断
            if(number !=3){
                    condition3.await();
            }
            //2、打印输出
            for(int i=1;i<=5;i++){
                System.out.println(Thread.currentThread().getName()+"\t"+ i + "\t" + totalLoop);
            }
            
            //3、唤醒下一个线程
            number =1;
            condition1.signal();
        }catch (Exception e) {
            e.printStackTrace();
        } finally {
            lock.unlock();
        }
    }
}

 

 

测试类中:

public static void main(String[] args) {
        AlternateDemo ad = new AlternateDemo();
        //A
        new Thread(new Runnable() {
            
            @Override
            public void run() {
                for(int i =1;i <10;i++){
                    ad.loopA(i);
                }
            }
        },"A").start();
        //B
        new Thread(new Runnable() {
            
            @Override
            public void run() {
                for(int i =1;i <10;i++){
                    ad.loopB(i);
                }
                
            }
        },"B").start();
        //C
        new Thread(new Runnable() {
            
            @Override
            public void run() {
                for(int i =1;i <10;i++){
                    ad.loopC(i);
                }
            }
        },"C").start();
    }

测试结果:

 

转载于:https://www.cnblogs.com/Mrchengs/p/10802038.html

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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