java多线程案例

java笔试题:用JAVA写一个多线程程序,如写四个线程,二个加1,二个对一个变量减一,输出。

我写了如下程序,感觉是对的,欢迎指正!

package thread2;

public class Mythread implements Runnable{
	private int temp =100;
	
	@Override
	public void run() {
		if(Thread.currentThread().getName().equals("Thread-2")
				||Thread.currentThread().getName().equals("Thread-3")){
			jiajia();
			
		}else if(Thread.currentThread().getName().equals("Thread-0")
				||Thread.currentThread().getName().equals("Thread-1")){
			jianjian();
		}
		
	}
	
	public synchronized void jiajia(){
		temp++;
		try {
			Thread.sleep(1000);
			System.out.println(Thread.currentThread().getName()+" temp 被加上1,现在temp="+temp);
		} catch (InterruptedException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	} 
	
	public synchronized void jianjian(){
		temp--;
		try {
			Thread.sleep(1000);
			System.out.println(Thread.currentThread().getName()+" temp 被减去1,现在temp="+temp);
		} catch (InterruptedException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}

}

package thread2;

public class ThreadTest {
	public static void main(String[] args) {
		Mythread mythread = new Mythread();
		new Thread(mythread).start();
		new Thread(mythread).start();
		new Thread(mythread).start();
		new Thread(mythread).start();
	}

}

输出结果:

Thread-0 temp 被减去1,现在temp=99
Thread-3 temp 被加上1,现在temp=100
Thread-2 temp 被加上1,现在temp=101
Thread-1 temp 被减去1,现在temp=100


我看了一些相关的例子,总结了一下:

①一个主类A,有主函数,
②一个基础类B,基础类中有用synchronized修饰的方法
③一个实现了Runnable接口的线程类C,其中②中的基础类B是③中 类的成员变量,线程类的run方法中对基础类B进行并发访问


注:对于第③点,本例中的基础类就是成员变量temp,在网上有很多其他的例子差不多都是按照这个步骤来的。



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。 新QPSO粒子:使用QPSO算法新粒子的状态,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. 实现细致的PLO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