四种单例设计模式

本文详细介绍了单例模式的四种实现方式:饿汉式、饱汉式、加锁/同步实现和双重检查锁定,以及静态内部类方式。每种方式的特点、适用场景及优缺点均有涉及。

单例模式特点:

1、单例类只能有一个实例。
2、单例类必须自己创建自己的唯一实例。
3、单例类必须给所有其他对象提供这一实例。

设计模式:

一、饿汉方式的单例模式(线程安全,但效率比较低,一开始就要加载类 ,new一个对象)
/**
 *在类创建的同时就已经创建好一个静态的对象供系统使用,以后不再
 *改变,所以天生是安全的
 */
public class Singleton {
    private Singleton(){}//私有构造器
    private static final Singleton instance=new Singleton();
    public static Singleton getInstance(){
        return instance;
    }
}
二、饱汉方式的设计模式(有多个线程访问时是不安全的,返回的不是同一个对象)
public class Singleton {
    private Singleton(){}
    private static Singleton instance;
    public static Singleton getInstance(){
        if(instance==null){
            instance=new Singleton();
        }
        return instance;
    }
}
三、设计模式(线程安全,但效率低,在一个时候只能有一个线程能访问,同时返回一个对象)
public class Singleton {
    private Singleton(){}
    private static Singleton instance;
    public static synchronized Singleton getInstance(){
        if(instance==null){
            instance=new Singleton();
        }
        return instance;
    }
}
四、设计模式(双重检查锁定,线程安全,效率高,能有多个线程访问)
public class Singleton {
    private Singleton(){}
    private static Singleton instance;
    public static  Singleton getInstance(){
        if(instance==null){
            synchronized (Singleton.class){
                if(instance==null){
                    instance=new Singleton();
                }
            }
        }
        return instance;
    }
}
附五:静态内部类单例设计模式(线程安全,避免了同步带来的性能影响)
public class Singleton {
    private Singleton() {}
    private static class MyHolder{
        private static final Singleton INSTANCE=new Singleton();
    }
    public static final Singleton getInstance(){
        return MyHolder.INSTANCE;
    }
}
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