请教:如何进行内存整理?类似优化大师的内存整理功能

dasiu 2005-07-12 10:16:19
请教:最近做了一个工具软件,但遇到一个瓶颈,如何定时自动对系统内存进行整理呢?类似优化大师等软件的功能。
请各位发表意见。有没有相应的函数或解决方案或算法呢?抑或是有现成的控件或源码?
...全文
241 9 打赏 收藏 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
dasiu 2005-07-14
  • 打赏
  • 举报
回复
各位在做监视控制类软件的时候,有没有遇到这样的问题/大家是如何处理的?
dasiu 2005-07-14
  • 打赏
  • 举报
回复
其实并不象楼上所说的,在这个程序中,我很少用到对HEAP的操作,大部分的变量用的都是类内的PRIVATE类型的,不存在HEAP和STACK的问题。
但是,在长期运行中,(我这个是一个监视软件),由于需要接受COM口的数据、刷新显示、数据保存,造成了内存碎片。无法释放。。。。。》》
dasiu 2005-07-13
  • 打赏
  • 举报
回复
明白一点了。
那:关于隐形的内存泄漏(通过DEBUG下的工具、或BOUNDSCHECKER找不到内存泄漏,但是在程序运行中,却会看到内存使用缓慢增加,并且没有下降的痕迹),大家有什么好的建议或经验吗?
oyd 2005-07-13
  • 打赏
  • 举报
回复
用简单的垃圾回收机制吧。
另外,搞不明白,你为什么一定要这么多在堆上分配的内存呢。尽量用栈来代替。如果实在要new一个什么对象来长期利用,把new得到的指针放到一个容器中。
oyljerry 2005-07-13
  • 打赏
  • 举报
回复
还是要养成良好的编程习惯,申请了资源,记得释放
newbiestar 2005-07-12
  • 打赏
  • 举报
回复
你这个没办法整,因为这个是在你的进程空间,整理最多只能完成物理空间和Pagefile里面的整理,进程空间的没办法的,因为你有可能还握有某段地址的控制权,而强制整理的话,你的控制权怎么办?很难控制的……
dasiu 2005-07-12
  • 打赏
  • 举报
回复
之所以这样作,是由于我在以前进行某个实时监控系统程序设计的时候,
发现程序的内存使用会以1M/小时的速度增加(不是内存泄漏,可能是内存碎片在多次操作中无法释放造成)
并且一直不释放(程序使用了4个定时器、需要读写数据库、刷新界面显示等操作),
我担心这个系统运行久了会导致内存崩溃。
因此,想通过定时内存整理的办法来解决。

如果说通过内存整理效果不大的话,对于这类实时监控类的软件,由于需要频繁读写、刷新等,必定造成许多内存碎片,如何防止内存用完造成系统崩溃呢?
flashboy 2005-07-12
  • 打赏
  • 举报
回复
在一般很难达到什么好的效果.这些系统应该有自己的整理策略.
newbiestar 2005-07-12
  • 打赏
  • 举报
回复
连kernel的范围你都想搞?这个是kernel的功能哎……

说实话严重怀疑内存整理到底有多少效果……

最简单的,疯狂分配,然后一次释放,这样会强迫kernel来重整内存……
下载代码方式:https://pan.quark.cn/s/a4b39357ea24 【创新7.1声卡KX驱动+连线图】是一款专门为创新公司所制造的7.1音频声卡量身定制的驱动方案,其核心宗旨在于为用户带来超越官方原生驱动程序的卓越音质感受。KX驱动属于一种由爱好者群体自主开发的非官方驱动软件,该驱动在Creative公司原版驱动程序的基础上进行了深度改良与功能扩充,旨在提供更为多样化的声音调节参数以及更为出色的运行表现。 我们现在来详细认识一下7.1声道系统。7.1声道代表的是一种沉浸式音频技术规范,该规范包含七个全频域音箱单元(具体包括前置左声道、前置右声道、中央声道、环绕左声道、环绕右声道、后置左声道以及后置右声道)搭配一个低频震动单元,其设计目的是为用户构建更加立体且逼真的听觉场景,尤其适合应用于电子游戏、电影观影以及音乐欣赏等场景。 KX驱动的独到之处在于其赋予了用户更为广阔的个性化定制权限,使用者能够依据自身的听音偏好对音频参数进行细致调节,例如均衡器参数、混响效果、压缩比设定、噪声抑制门限等,从而使得最终的音效呈现出更为精致且个性化的特质。不仅如此,KX驱动还兼容VST插件机制,该机制是虚拟乐器与音频效果处理软件的通用标准,用户通过安装各式各样的VST插件,能够进一步增强声卡的实用功能,例如模拟多种乐器音色或达成复杂的声音效果制作。 在获取并部署KX驱动程序之后,对"连线图"的正确导入工作具有决定性意义。连线图又被称为音频路由配置图或信号流向示意图,它是一份用于指导用户如何正确配置并连接各个音频输出通道的视觉化手册。对于非专业背景的使用者而言,准确设定这些音频通道可能会面临一定程度的困难,因此连线图的提供极大地简化了这一过程。依照连线图进行配置操...
内容概要:本文介绍了基于粒子群优化算法(PSO)优化长短期记忆网络(LSTM)的电力负荷预测方法,并通过Python代码实现。该方法结合PSO强大的全局搜索能力,对LSTM模型的关键超参数进行智能寻优,有效提升了模型在处理非线性、强时序性电力负荷数据时的预测精度与泛化性能。文中系统阐述了从数据预处理、模型构建、PSO优化流程到预测结果分析的完整技术链条,重点展示了如何通过优化算法克服传统LSTM参数依赖经验设定的局限性,为复杂时间序列预测提供了高效解决方案。; 适合人群:具备一定Python编程能力和机器学习基础知识,从事电力系统分析、能源管理、负荷预测等相关领域的研究人员、工程师以及高校研究生。; 使用场景及目标:①应用于电力系统的短期与中期负荷预测,提升电网调度的准确性与经济性;②作为智能优化算法与深度学习融合的典型范例,用于科研项目开发与教学实践;③目标在于通过超参数自动优化,显著降低预测模型的均方根误差(RMSE)和平均绝对百分比误差(MAPE),增强模型的鲁棒性与实用性。; 阅读建议:建议读者结合所提供的完整Python代码,深入理解PSO优化LSTM的具体实现过程,重点关注适应度函数的设计、参数编码方式及优化迭代机制,并鼓励在自有数据集上进行复现实验与调参优化,以深刻掌握模型性能提升的技术路径。

2,644

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 硬件/系统
社区管理员
  • 硬件/系统社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧