单例模式的饿汉式、懒汉式

单例设计模式:保证在内存中只有一个对象

饿汉式:

    /*
     *  饿汉式:
     */
class MySingleton{
    //1. 构造方法私有化,其他类不能访问该构造(创建该对象)
    private MySingleton(){};
    //2. 创建本类对象,成员变量被私有,对外提供公共的获取方法
    private static MySingleton s=new MySingleton();
    //3. 对外提供公共的访问方法
    public static MySingleton getInstance(){
        return s;
    }
}

懒汉式:懒汉式:单例的延迟加载模式(面试会用),但是多线程的时候会有安全隐患

    /*
     *  懒汉式:单例的延迟加载模式(面试会用),但是多线程的时候会有安全隐患
     */
class MySingleton{
    //1. 构造方法私有化,其他类不能访问该构造(创建该对象)
    private MySingleton(){};
    //2. 声明一个引用
    private static MySingleton s;
    //3. 对外提供公共的访问方法
    public static MySingleton getInstance(){
        if(s == null){
            s=new MySingleton();
        }
        return s;
    }
}
public class Singleton {
    public static void main(String[] args) {

        MySingleton m1=MySingleton.getInstance();
        MySingleton m2=MySingleton.getInstance();
        System.out.println(m1==m2);
    }
}

第三种方式就是用final修饰
区别:
饿汉式:空间换取时间,多线程时:饿汉式不会创建多个对象
懒汉式:时间换取空间,多线程时:懒汉式可能会创建多个对象

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