单例模式

本文深入探讨了单例模式的设计理念及其实现方式,包括懒汉式、饿汉式及线程安全的懒汉式实现,并介绍了如何利用静态内部类实现既线程安全又延迟加载的单例模式。

单例模式,顾名思义就是某个类只有一个实例,你可能要说了,那还不简单,只实例化一次不久行了,确实是这样的。但是如果我们需要在不同的类中,不同的场景下使用这个实例,但是这个实例并不需要每次都实例化一次,例如配置文件的读取,我们只需要在初始化时将其实例化,然后就让它放在内存中,下次要用时调用就行,因为这个实例每次都是一样的。

那么我们需要怎么做呢?单例模式。

要实现单例,我们首先需要阻止其他的类通过构造函数对需要单例的类进行实例化,那么我们就需要将构造函数私有化,这是单例模式首先需要做的;然后需要考虑,怎样让外部的类每次都拿到的都是同一个实例?没错,static这个词马上就会浮现在脑中,静态参数可以面向整个java项目的线程。至于通过什么方式获取,编程习惯决定了两种不同的风格:

首先看懒汉式:

public class singletonLazy {
	//全局单例,通过单例模式永远获取的都将是这一个实例
	private static singletonLazy instance = null;
	
	//私有化构造方法,使获取实例的入口只有一个
	private singletonLazy()
	{
		//
	}
	
	//获取实例的入口
	//这里之所以用synchronized,是因为有可能在两个线程同时访问这个方法时,两个都认为没有实例,都创建了一个实例,使实例有两分,出现线程安全的问题
	public static synchronized singletonLazy getSingletonTestClass()
	{
		if(null == instance)
		{
			instance = new singletonLazy();
		}
		
		return instance;
	}
	
	public void print()
	{
		System.out.println("lazy");
	}
}

再看饿汉型:

public class singletonHungry {
	private static singletonHungry instance = new singletonHungry();
	
	private singletonHungry()
	{
		//
	}
	
	public static singletonHungry getInstance()
	{
		return instance;
	}
	
	public void print()
	{
		System.out.println("hungry");
	}
}

通过上面可以一目了然的看出其中的区别,一个在装载类时初始化了实例,一个在方法调用时才动态的实例化。看似不足为奇的差别却蕴含了两个重要的思想:延迟加载和缓存的思想

这两个思想都是懒汉式透露出来的,我们可以看到,懒汉式是在调用获取实例的方法时才去判断实例时候已经在内存中存在,如果不存在再实例化一个。延迟加载也是这样的思想,直到用到再去加载想要的内容,缓存则是首先在内存中找想要的东西,如果没有再去硬盘或者数据库中找。懒汉式表现出了这两种思想。缓存思想就是典型的空间换时间的做法。


任何事物都不是完美的,懒汉式也有缺点,也就是在不加同步的情况下是线程不安全的。而饿汉式则是线程安全的,因为jvm在装载类时只会装载一次,而实例化恰好是在这个过程中完成的。

解决方案就是上面我们看到的懒汉式的代码,对实例获取方法进行加锁,加线程同步锁。但是这样会降低整个访问速度,因为如果多个线程竞争这个方法,就会导致等待,降低访问。

我们从代码中可以分析看到,真正会造成线程安全问题的其实是”instance = new singletonLazy();“这么一句话,所以我们仅仅需要对这句话进行同步即可。

public class synchronizedLazy {
	//volatile的作用是每次对变量的改变都会立即被写入内存,而每次读变量都是从内存去取
	//这样在任何时刻,两个不同的线程总是看到某个成员变量的同一个值。
	private static volatile synchronizedLazy instance = null;
	
	private synchronizedLazy()
	{
		//
	}
	
	public static synchronizedLazy getInstance()
	{
		if(null == instance)
		{
			//在未初始化时才进行同步才做,因为同步降低了性能
			synchronized (synchronizedLazy.class) {
				//之所以要重新判断,是因为避免在判断之后和进入同步区域之前有线程进行了创建
				if(null == instance)
				{
					instance = new synchronizedLazy();
				}
			}
		}
		
		return instance;
	}
	
	public void print()
	{
		System.out.println("synchronized");
	}
}

这样确实保证了程序的安全性,但是同步块的使用或多或少的影响了程序的性能,那么有没有一种不用同步就既能实现延迟加载又能实现线程安全的方法呢?

答案是肯定,因为总是有那么一群牛X的Geek研究这些东西,然后造福我们这些码农。

public class LazyInitialHolder {
	//静态内部类,因为是静态的,所以这个类跟寄主类并没有关联关系,也就是这个内部类并不属于寄主类
	//所以在寄主类初始化时并不会初始化一个静态内部类的实例,只要不使用就不会创建实例
	//所以Instance并不会在一开始就被建立
	//但是由于jvm会缺省的对静态初始化器进行同步控制,所以就不会存在同步的问题
	private static class SingletonHolder{
		private static LazyInitialHolder instance = new LazyInitialHolder();
	}
	
	private LazyInitialHolder()
	{
		//
	}
	
	//在这个方法调用时,才会去执行内部类的方法获取实例
	public static LazyInitialHolder getInstance()
	{
		return SingletonHolder.instance;
	}
	
	public void print()
	{
		System.out.println("LazyInitialHolder");
	}
}

下面就让我们来分析一下这段代码,主要有两个重要的知识点:内部类。

内部类一个显著的好处就是可以解决关于类的多继承问题(虽然接口可以实现多继承 ,但是在某些情况下我们需要多继承一些类或者抽象类),但是我们这里并没有用到这个内部类的特性,而是用到了内部类加载时机。

对于内部类来说,尤其是静态内部类,其实他已经不属于宿主类了,而是独立的存在着,但是只能通过宿主类进行访问,而在宿主类被装载,甚至被实例化时,内部类并不会进行初始化对象,也就是不会执行“private static LazyInitialHolder instance = new LazyInitialHolder();”,只有当用到这个内部类中的方法或者变量被用到时,内部类才会被加载,然后初始化对象,用这样的方式就达到了延迟加载的目的。而如何保证线程安全呢?这就用到了JVM的自动操作,JVM会对由静态初始化器初始数据时进行缺省的同步控制,保证线程安全,那么什么是静态初始化器呢?其实就是含有静态字段的类或者方法,变量等,或者static块。

由此,我们就巧妙的解决了延迟加载和线程安全的问题。


ok,我们单例模式就介绍完了,总结一下,我们发现单例模式的核心思想就是控制实例数目,防止重复实例化影响效率。

单例模式组要要考虑的几个问题:1.如何让程序不能被随意实例化;2.如何提供接口让用户得到实例;3.延迟加载;4.线程安全。



内容概要:本文围绕“基于分布式模型预测控制的多个固定翼无人机一致性控制”展开,利用Matlab代码实现相关算法的仿真,旨在通过分布式控制策略实现多架固定翼无人机在复杂动态环境中的协同飞行与一致性控制。研究结合模型预测控制(MPC)方法,构建适用于多无人机系统的分布式优化框架,重点解决了通信受限、信息延迟及无中心化指挥条件下的协同稳定性问题。内容涵盖固定翼无人机的动力学建模、分布式MPC优化求解机制、一致性协议设计、通信拓扑结构分析以及仿真验证全过程,确保多机系统在保持队形一致的同时完成协同任务。; 适合人群:具备自动控制理论、无人机系统建模或多智能体协同控制基础,从事智能无人系统、集群控制、自动化与机器人等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多无人机协同编队飞行、集群侦察、分布式任务执行等实际工程场景;②为分布式MPC算法在多智能体系统中的一致性控制提供可复现的Matlab仿真案例,推动先进控制理论向工程实践转化;③服务于科研论文复现、算法验证、控制系统课程设计与毕业课题参考。; 阅读建议:建议读者结合文中提供的Matlab代码逐模块运行与调试,重点关注分布式MPC在不同通信拓扑下对一致性收敛性能的影响,并可通过调整预测时域、权重矩阵与噪声参数等方式深化对算法鲁棒性与适应性的理解。
内容概要:本文提出了一种基于变分模态分解(VMD)、麻雀搜索算法(SSA)优化与长短期记忆网络(LSTM)相结合的光伏功率预测模型(VMD-SSA-LSTM),旨在提升光伏发电预测的精度与鲁棒性。该方法首先利用VMD对原始非平稳光伏功率序列进行自适应分解,获得一系列具有更稳定特征的本征模态分量(IMFs),有效降低数据复杂性与噪声干扰;随后引入麻雀搜索算法(SSA)对LSTM网络的关键超参数(如学习率、隐层节点数等)进行全局寻优,克服传统试凑法效率低、易陷入局部最优的问题,显著提升模型收敛速度与泛化能力;最后,构建多个LSTM子模型分别预测各模态分量,并将结果重构得到最终的光伏功率预测值。该混合模型充分融合了VMD在信号预处理中的优异分解性能、SSA在参数优化中的高效搜索能力以及LSTM在捕捉时间序列长期依赖关系上的强大建模优势,实现了对复杂气象因素影响下光伏出力波动的高精度拟合与预测。; 适合人群:具备一定电力系统、新能源发电或时间序列预测基础知识,熟悉MATLAB编程环境,从事光伏功率预测、智能电网调度、可再生能源集成、负荷预测等领域研究的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于光伏电站的短期与超短期功率预测,为电网安全调度、电力市场交易、储能系统配置及需求侧响应提供精准数据支撑;②解决传统单一预测模型(如ARIMA、BPNN、单一LSTM)在处理非平稳、强波动性光伏数据时存在的精度不足、稳定性差等问题;③为风电、负荷等其他非平稳时序预测问题提供一种有效的“分解-优化-预测”混合建模范式与技术实现路径。; 阅读建议:建议读者结合文中提供的完整MATLAB代码,深入理解VMD信号分解、SSA优化算法流程及LSTM网络构建的每一个技术环节,通过实际历史数据进行模型复现与对比实验(如与VMD-LSTM、SSA-LSTM等模型比较),掌握参数调优技巧与模型性能评估方法,从而真正掌握该先进混合预测模型的核心思想与应用精髓。
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