JAVA多线程创建形式盘点

第一种:直接继承Thread

public class Thread1 extends Thread {

	public void run() {
		int i = 4;
		while (i > 0) {
			i--;
			System.out.print(i);
		}
	}

	public static void main(String[] args) {
		for (int i = 0; i < 5; i++) {
			new Thread1().start();
		}
	}
}

第二种:使用Thread的匿名内部类

public class Thread2 {

	static Thread[] arr = new Thread[5];

	public Thread2() {
		for (int i = 0; i < 5; i++) {
			arr[i] = new Thread() {
				public void run() {
					int i = 4;
					while (i > 0) {
						i--;
						System.out.print(i);
					}
				}
			};
		}
	}

	public static void main(String[] args) {
		new Thread2();
		for (Thread t : arr) {
			t.start();
		}
	}

}

第三种:继承Runnable

public class Thread3 implements Runnable {

	@Override
	public void run() {
		int i = 4;
		while (i > 0) {
			i--;
			System.out.print(i);
		}
	}

	public static void main(String[] args) {
		for (int i = 0; i < 5; i++) {
			new Thread(new Thread3()).start();
		}
	}
}

第四种:使用Runnable的匿名内部类

public class Thread4 {

	static Thread[] arr = new Thread[5];

	public Thread4() {
		for (int i = 0; i < 5; i++) {
			arr[i] = new Thread(new Runnable() {

				@Override
				public void run() {
					int i = 4;
					while (i > 0) {
						i--;
						System.out.print(i);
					}
				}
			});
		}
	}

	public static void main(String[] args) {
		new Thread4();
		for (Thread t : arr) {
			t.start();
		}
	}
}

第五种:继承java.util.concurrent.Callable<T> 接口,然后实现该接口的call() 方法,这个call方法会返回泛型接口所指定的返回类型,启动线程是调用java.util.concurrent.ExecutorService的submit方法,即可得到该线程的返回值

import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.Callable;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;

public class Thread5 implements Callable<String> {

	@Override
	public String call() throws Exception {
		return Thread.currentThread().getName();
	}

	public static void main(String[] args) {
		ExecutorService exec = Executors.newCachedThreadPool();
		List<Future<String>> list = new ArrayList<Future<String>>();

		for (int i = 0; i < 5; i++) {
			list.add(exec.submit(new Thread5()));
		}

		for (Future<String> str : list) {
			System.out.println(str.toString());
		}
		exec.shutdown();
	}

}

上面就是JAVA创建多形式的几种形式。

在上面的例子中,启动线程都是通过实例化线程并调用线程的start() 方法来启动线程,在java.util.concurrent中为我们提供了一种新的方便实例化线程并自动运行线程的方法,示例如下:

import java.util.concurrent.Executor;
import java.util.concurrent.Executors;

public class MyRunnable implements Runnable {

	@Override
	public void run() {
		int i = 4;
		while(i > 0){
			i--;
			System.out.print(i);
		}
	}
	
	public static void main(String[] args) {
		Executor exec = Executors.newCachedThreadPool();
		for(int i=0;i<5;i++){
			exec.execute(new MyRunnable());
		}
	}
}

首先通过Executors.newCachedThreadPool()创建一个可根据需要创建新线程的线程池,但是在以前构造的线程可用时将重用它们,此时exec是java.util.concurrent.ThreadPoolExecutor对象,当调用其exec方法时将会帮你实例化并启动线程。

Executors类,提供了一系列工厂方法用于创建线程池,返回的线程池都实现了ExecutorService接口,比较重要的方法:

Ø  newCachedThreadPool():创建一个可根据需要创建新线程的线程池,但是在以前构造的线程可用时将重用它们。

Ø  newFixedThreadPool(int nThreads):创建一个可重用固定线程数的线程池,以共享的无界队列方式来运行这些线程。

Ø  newScheduledThreadPool(intcorePoolSize):创建一个线程池,它可安排在给定延迟后运行命令或者定期地执行。


使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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