小菜鸟

ConcurrentLinkedQueue

发表于 2021-01-25 更新于 2024-07-04 分类于并发容器阅读次数： Valine：
本文字数： 4.2k 阅读时长 ≈ 4 分钟

ConcurrentLinkedQueue

ConcurrentLinkedQueue是一种适用于高并发场景下的队列，通过无锁的方式，实现了高并发状态下的高性能，由于ConcurrentLinkedQueue是一种非阻塞的队列，通常ConcurrentLinkedQueue性能好于BlockingQueue。是一种基于链表节点的无界线程安全队列。该队列的元素遵循先进先出FIFO的原则，该队列不允许为null

阅读全文 »

CopyOnWrite容器

发表于 2021-01-25 更新于 2024-03-22 分类于并发容器阅读次数： Valine：
本文字数： 1.7k 阅读时长 ≈ 2 分钟

CopyOnWrite容器

什么是CopyOnWrite容器呢？CopyOnWrite容器是一个写时复制的容器。在向容器中添加元素时，不会直接向当前容器中添加，而是将当前容器进行copy，复制出一个新的容器，然后往新的容器中添加元素，添加完元素之后，再将容器的引用指向新的容器。使得我们可以对CopyOnWrite容器进行并发的读而不需要加锁，采用了读写分离的思想，写时复制的策略

使用的场景是读多写少的时候使用，如redis、Linux的文件管理系统等

基本思路

当读取共享数据时，直接读取，不需要有其他操作
当写共享数据时，将旧数据复制出来一份作为新数据，只修改新数据，修改完新数据后将新数据的引用赋值给原来数据的引用，在写数据的过程中，所有读取共享数据都是读的旧数据

阅读全文 »

JOptimizer解决LP问题

发表于 2021-01-24 更新于 2024-03-06 分类于数据结构与算法阅读次数： Valine：
本文字数： 1.7k 阅读时长 ≈ 2 分钟

JOptimizer解决LP问题

可以使用JOptimizer来解决LP问题

<dependency>
    <groupId>com.joptimizer</groupId>
    <artifactId>joptimizer</artifactId>
    <version>5.0.0</version>
</dependency>

解决问题

/** minimize 4x+3Y 
* Subject to 
* 8x+6y <= 25 
* 3x+4y >= 15 
* x,y >= 0 
*/

代码如下

LinearMultivariateRealFunction objectiveFunction = new LinearMultivariateRealFunction(new double[]{4.0, 3.0}, 0); //minimize 4x+3y

        ConvexMultivariateRealFunction[] inequalities = new ConvexMultivariateRealFunction[4];

        // 不等式中都以G.x < h的形式出现
//         x >= 0
        inequalities[0] = new LinearMultivariateRealFunction(new double[]{-1.0, 0.00}, 0.0);
//         y >= 0
        inequalities[1] = new LinearMultivariateRealFunction(new double[]{0.0, -1.00}, 0.0);
//         8x+6y <= 25
        inequalities[2] = new LinearMultivariateRealFunction(new double[]{8, 6}, -25);
//         3x+4y >= 15
        inequalities[3] = new LinearMultivariateRealFunction(new double[]{-3, -4}, 15);

        OptimizationRequest or = new OptimizationRequest();
        or.setF0(objectiveFunction);
        or.setFi(inequalities);
//        or.setToleranceFeas(JOptimizer.DEFAULT_FEASIBILITY_TOLERANCE/10);
//        or.setTolerance(JOptimizer.DEFAULT_TOLERANCE/10);
//        or.setMaxIteration(2000);

        //optimization
        JOptimizer opt = new JOptimizer();
        opt.setOptimizationRequest(or);

        try {
            opt.optimize();
        } catch (Exception e) {
            e.printStackTrace();
        }

        if (opt.getOptimizationResponse() != null) {
            double[] sol = opt.getOptimizationResponse().getSolution();

            for (int i = 0; i < sol.length / 2; i++) {
                System.out.println("x" + (i + 1) + ": " + Math.round(sol[i]) + "\ty" + (i + 1) + ": " + Math.round(sol[i + 1]));
            }
        }