单例与有上限多例模式

在设计模式中,单例模式是最常用的模式之一,它的目的是为了保持对象的唯一性。

单例模式实现的实质就是控制对象的初始化操作(利用此方法可以实现有上限的多例)。其实现方式大致有两种:

一种是被称作饿汉式单例,其写法如下:

publicclass HungryMan {

   //生成唯一的对象

   privatestaticfinal HungryMan hungryMan = new HungryMan();

   //确保不产生第二个对象

   private HungryMan(){}

   //返回初始化过的对象

   publicstatic HungryMan getInstance(){

      returnhungryMan;

   }

   //其他方法

   publicvoid doSomething(){}

}

   另一种是被称为懒汉式单例,其写法如下:

publicclass Lazybones {

   //定义空对象

   privatestatic Lazybones lazybones = null;

   //确保不产生第二个对象

   private Lazybones(){}

   //返回初始化过的对象

   publicstaticsynchronized LazybonesgetInstance(){

      if (lazybones==null) {

         //实例化一个对象

         lazybones = new Lazybones();

      }

      returnlazybones;

   }

   //其他方法

   publicvoid doSomething(){}

}

(注:当大量线程同时调用懒汉式写法的单例时,可能会出现多个实例,因为初始化也需要时间,在初始化的时候可能会有多个对象同时是null,从而产生多个对象。即使可以加上synchronized 来防止上述的事情发生但这不是一个好的方法饿汉式单例的写法是相对来说比较好的)

以上两种是只生成唯一的一个对象,也就是唯一性,下面我们利用上面的原理来实现有上限多例,代码如下:

publicclass Emperor {

   //最多创建对象的个数

   privatestaticintmaxNumOfEmperor = 3;

   //创建存放对象的集合

   privatestatic ArrayList<Emperor> emperors = newArrayList<Emperor>();

   //创建存放对象名字的集合

   privatestatic ArrayList<String> nameList = newArrayList<String>();

   //存放随机去除的对象的标志

   privatestaticintcountNumOfEmperors;

   //确保不产生多余的对象

   private Emperor(){}

   //添加生成对象的名字

   private Emperor(String name){

      nameList.add(name);

   }

   //将创建的所有对象放入集合中

   static{

      for (int i = 0; i < maxNumOfEmperor; i++) {

         emperors.add(newEmperor(""+(i+1)+""));

      }

   }

   //返回初始化过的对象

   publicstatic Emperor getInstance(){

      //获取随机产生的对象

      Randomrandom = newRandom();

      countNumOfEmperors = random.nextInt(maxNumOfEmperor);

      returnemperors.get(countNumOfEmperors);

   }

   //其他方法

   publicvoid doSomething(){

      System.out.println("我是"+nameList.get(countNumOfEmperors)+"皇帝");

   }

  

}

此写法是将随机生成的固定个数的对象放入集合中,以此来控制生成对象的个数的上限,又称有上限多例。

(此文章的观点,仅是个人的看法,有不对之处,请多多指教!)

内容概要:该论文探讨了一种基于粒子群优化(PSO)的STAR-RIS辅助NOMA无线通信网络优化方法。STAR-RIS作为一种新型可重构智能表面,能同时反射和传输信号,传统仅能反射的RIS不同。结合NOMA技术,STAR-RIS可以提升覆盖范围、用户容量和频谱效率。针对STAR-RIS元素众多导致获取完整信道状态信息(CSI)开销大的问题,作者提出一种在不依赖完整CSI的情况下,联合优化功率分配、基站波束成形以及STAR-RIS的传输和反射波束成形向量的方法,以最大化总可实现速率并确保每个用户的最低速率要求。仿真结果显示,该方案优于STAR-RIS辅助的OMA系统。 适合人群:具备一定无线通信理论基础、对智能反射面技术和非正交多址接入技术感兴趣的科研人员和工程师。 使用场景及目标:①适用于希望深入了解STAR-RISNOMA结合的研究者;②为解决无线通信中频谱资源紧张、提高系统性能提供新的思路和技术手段;③帮助理解PSO算法在无线通信优化问题中的应用。 其他说明:文中提供了详细的Python代码实现,涵盖系统参数设置、信道建模、速率计算、目标函数定义、约束条件设定、主优化函数设计及结果可视化等环节,便于读者理解和复现实验结果。此外,文章还对比了PSO其他优化算法(如DDPG)的区别,强调了PSO在不需要显式CSI估计方面的优势。
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