Java设计模式-单例模式

本文详细介绍了单例模式的概念、用途及实现方式,包括饿汉式、懒汉式、双重检测锁和枚举实现等不同方法,并探讨了每种方法的特点与适用场景。

一. 概述

1. 什么是单例模式?

单例模式:为确保一个类只能有一个实例,在这个类中创建自己唯一的实例

2. 为什么用单例模式?

许多时候,整个系统只需要拥有一个的全局对象,这样有利于我们协调系统整体的行为,按照单例模式设计类就可以提供这样的全局对象,以避免调用对象不一致的情况。例如线程池、缓存、日志对象、对话框、打印机、显卡的驱动程序等对象常被设计成单例。

3. 单例模式的要素?

  • 私有的构造器
  • 指向自己实例的私有静态引用
  • 返回自己唯一实例的公有静态方法

二. 单例模式

1. 饿汉式(线程安全)

在单例类加载时就实例化一个自己的对象

public class Singleton {
	//1.私有构造器
    private Singleton(){}
	
	//2.私有静态引用
    private static SingletonTest single = new SingletonTest();
	
	//3.共有静态方法
    public static SingletonTest getInstance(){
        return single;
    }
}

2. 懒汉式(线程不安全)

在其他类调用该单例类的方法来获取实例时才实例化一个自己的对象

public class Singleton {
	//1.私有构造器
    private Singleton(){}

	//2.私有静态引用
    private static Singleton single;

	//3.共有静态方法
    public static Singleton getInstance(){
        if(single == null) { //这里可能由于线程阻塞造成了多个线程都判断为null,结果造出多个对象,导致线程不安全
            single = new Singleton();
        }
        return single;
    }
}

懒汉式线程不安全问题解决方法:

  1. 静态方法前加 synchronized 关键字, 同步方法(作用域大,执行效率低)
  2. 静态方法里加 synchronized 同步代码块(执行效率仍低)
  3. 私有静态内部类,延迟加载(优于1和2方法)
public class Singleton {

    private static class Holdon{
        private static Singleton single = new Singleton();
    }

    private Singleton(){}

    public static Singleton getInstance(){
        return Holdon.single;
    }
}

3. 双重检测锁(DCL,即double-checked locking)

public class Singleton {

    private Singleton(){}

    private static volatile Singleton single;

    public static Singleton getInstance(){
        if(single == null){
            synchronized (Singleton.class){
                if(single == null){
                    single = new Singleton(); //这一语句并非原子性操作
                }
            }
        }
        return single;
    }
}

为什么必须要用 volatile 修饰 single?
single = new Singleton();这条语句在 JVM 进行了三个操作:

  • 分配内存空间给对象
  • 初始化对象
  • 把对象的内存地址赋给引用变量single

这个过程发生的顺序是无序的,当出现了以下情况就会出现问题:

  1. 线程1正常进入执行 single = new Singleton();
  2. 分配内存空间给对象
  3. 内存地址赋给single变量
  4. 线程2进入,判断此时的single不为null,返回一个未初始化的对象
  5. 线程1初始化对象

这样线程2就获取了一个不完整的对象,造成一系列错误导致最终程序崩溃
volatile关键字 有内存屏蔽的功能,可以避免这一情况的发生

4. 枚举实现单例

public enum Singleton(){
	INSTANCE;
	public void whateverMethod(){
	}
}
内容概要:本文围绕基于风光储能和需求响应的微电网日前经济调度问题展开研究,提出了一种综合考虑风能与光伏发电不确定性、储能系统充放电特性及需求响应机制的优化调度模型,并提供了完整的Python代码实现。该模型旨在通过优化算法实现微电网系统运行成本最小化与能源利用效率最大化的双重目标,涵盖从数据预处理、约束条件建模到目标函数构建与求解的全过程,体现了电力系统智能管理中对可再生能源高效集成与灵活调控的核心需求。研究属于现代智能电网与综合能源系统优化领域的关键应用之一,强调了数据驱动与优化算法在提升系统经济性与可靠性方面的重要作用。; 适合人群:具备一定Python编程基础和电力系统基础知识,从事新能源、微电网调度、能源优化及相关领域的科研人员、研究生及工程技术人员。; 使用场景及目标:①学习微电网日前经济调度问题的建模方法与关键技术环节;②掌握如何将风光出力预测、储能动态行为与需求侧响应策略有机整合进统一的优化框架中;③通过提供的Python代码进行仿真复现实验,完成调度结果分析与算法性能评估,为进一步开展多目标优化、鲁棒调度或实时调度研究奠定基础。; 阅读建议:此资源以理论建模与代码实现相结合为核心,建议读者在理解调度模型数学原理的基础上,深入阅读并调试配套Python代码,关注变量定义、约束表达与求解器调用等关键实现细节,从而实现从理论认知到实践应用的有效转化。
内容概要:本文围绕“基于超局部模型与自抗扰ESO观测器的无模型预测电流控制改进策略”展开研究,提出一种结合超局部模型(ULM)与扩张状态观测器(ESO)的无模型预测电流控制(MFPCC)改进方法,旨在提升永磁同步电机(PMSM)电流环的动态响应性能与抗干扰能力。该策略利用超局部模型对系统行为进行局部逼近,避免依赖精确数学模型,同时引入自抗扰控制中的ESO实时观测并补偿系统内外部扰动,有效抑制参数摄动、负载变化及模型不确定性带来的影响。研究通过Simulink搭建完整的控制系统仿真模型,对传统MFPCC与所提改进策略进行对比分析,验证了新方法在电流跟踪精度、响应速度和鲁棒性方面的优越性。; 适合人群:具备电机控制、现代控制理论及Simulink仿真基础的电气工程、自动化及相关专业的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高性能电机驱动系统中电流环控制器的设计与优化;②为无模型控制与自抗扰控制的融合应用提供技术参考;③支撑相关课题的仿真验证、论文复现与创新方法研究。; 阅读建议:建议读者结合Simulink仿真模型深入理解控制结构与参数整定过程,重点关注ESO的观测性能与扰动补偿机制,并可通过改变负载条件、参数偏差等工况进行鲁棒性测试,进一步掌握该改进策略的核心优势与适用边界。
内容概要:本文提出了一种基于神经网络的数据驱动迭代学习控制(ILC)算法,专门用于解决具有未知动态模型和重复任务特征的非线性单输入单输出(SISO)离散时间系统在无人车路径跟踪中的应用问题,并通过Matlab代码实现了算法的仿真验证。该方法充分利用神经网络强大的非线性逼近能力和自适应学习特性,结合迭代学习控制在周期性任务中逐步优化控制输入的优势,即使在缺乏精确系统数学模型的前提下,也能有效提升无人车在复杂环境下的路径跟踪精度与系统稳定性。算法的核心在于通过多次运行过程中不断修正控制律,实现对期望轨迹的渐近跟踪。; 适合人群:具备一定现代控制理论基础知识、熟悉迭代学习控制基本概念,并拥有Matlab编程与仿真实践经验的研究生、科研人员及自动化、机器人领域的相关工程师。; 使用场景及目标:① 解决无人车在模型未知或难以精确建模的复杂动态环境中的高精度路径跟踪控制问题;② 为一类具有重复运行特性的非线性系统提供一种不依赖精确模型的先进控制策略;③ 推动数据驱动与人工智能方法在自动化控制领域的工程应用与学术研究发展。; 阅读建议:读者应重点理解神经网络在控制律中的设计与集成方式、迭代学习机制的具体实现流程,以及两者融合的创新点。务必结合所提供的Matlab代码进行详细的阅读、调试与仿真分析,通过改变参数和工况来观察控制效果,以深化对算法内在机理和性能特点的掌握。
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