博客
关于我
java多线程(5)——龟兔赛跑程序
阅读量:333 次
发布时间:2019-03-04

本文共 1238 字,大约阅读时间需要 4 分钟。

新创一个类

public class Race implements Runnable {    private static String winner;    @Override    public void run() {        for (int i = 1; i <= 100; i++) {            if (Thread.currentThread().getName().equals("兔子") && i % 10 == 0) {                try {                    Thread.sleep(10);                } catch (InterruptedException e) {                    e.printStackTrace();                }            }            if (gameOver(i)) {                break;            }            System.out.println(Thread.currentThread().getName()+"-->跑了"+i+"步");        }    }    private boolean gameOver(int steps) {        if (winner != null) {            return true;        }        if (steps >= 100) {            winner = Thread.currentThread().getName();            System.out.println("winner is "+winner);            return true;        }        return false;    }}

运行

public static void main(String[] args) {    Race race = new Race();    new Thread(race,"兔子").start();    new Thread(race,"乌龟").start();}

运行结果

通过代码实现了一个简单的赛跑逻辑,两个参与者分别是"兔子"和"乌龟"。在运行过程中,兔子每跑完10步会暂停10毫秒,而乌龟则一直保持稳定的速度。最终的胜利者将通过`gameOver`方法自动判定,当某个参与者完成全部步数或首先完成比赛时,游戏将结束。

在实际运行中,乌龟通常会比兔子先完成比赛,因为兔子需要定期暂停,增加了额外的时间消耗。通过这种方式,可以直观地观察到不同参与者的速度差异以及暂停策略对最终结果的影响。

转载地址:http://nieq.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>