黑马程序员----java基础HashSet和TreeSet总结

本文深入探讨了Java集合框架中的HashSet和TreeSet,包括它们的特点、底层实现原理以及如何确保对象的唯一性。同时,提供了实战案例帮助理解不同场景下集合的选择与应用。

------<a  target="blank">Java培训、Android培训、iOS培训、.Net培训</a>、期待与您交流! -------

黑马程序员----java基础HashSet和TreeSet总结

 

课堂总结:


1. 可变参数
  1.1 参数类型一样,个数不确定,使用可变参数
  1.2 格式  类型...变量名,就是数组
  1.3 注意事项
    |-- 只能写一个可变参数
    |-- 写在参数最后


2. Set集合
  2.1 自身特性
   |-- 无序
   |-- 不重复
   |-- 没有下标
  2.2 Set接口自己的方法,和父接口Collection一致


 案例,Set集合存储自定义对象并迭代器  HashSet


3. HashSet集合
  3.1 自身特性
   |-- 底层哈希表结构(链表数组)
   |-- 存取速度快
   |-- 线程不安全集合,运行速度快


  3.2 如何保证对象唯一性
   |-- 依靠对象自己的hashCode方法和equals方法


 案例:存储自定义对象,去掉姓名和年龄相同的对象
 面试题:哈希值和equals


4. TreeSet集合
  4.1 自身特性
   |-- 底层红黑树
   |-- 对存储的对象进行自然顺序的排序
   |-- 线程不安全集合,运行速度快


  4.2 TreeSet集合排序方式
   |-- 对象的自然顺序
     定义类,实现java.lang.Comparable接口,重写compareTo方法,具备自然顺序


   |-- 利用比较器(集合自身具备比较性)
     将比较器对象,传递到TreeSet集合构造方法中,集合完全利用比较器进行排序
     实现比较器
       定义类,实现java.util.Comparator,重写compare方法


  案例: 存储自定义对象,采用两种排序形式,迭代器
红黑树存储对象过程

Set练习题:

获取10个1-20之间的随机数
package cn.itcast.set;
import java.util.*;
public class SetTest {
public static void main(String[] args) {
test();
}
/*
* 获取10个随机数1-20,不重复
* HashSet实现
*/
public static void test(){
Random r = new Random();
HashSet<Integer> set = new HashSet<Integer>();
while(true){
int number = r.nextInt(20)+1;
set.add(number);
if(set.size()==10)
break;
}
for(Integer i : set){
System.out.println(i);
}
}
}
ArrayList练习题:

键盘录入姓名,年龄并输出

package cn.itcast.list;
/*
 * 存储Person对象
 *   name age 值,采用键盘输入
 *   姓名和年龄,一起输入的 abvc 123 切割字符串
 */
import java.util.*;
import cn.itcast.beans.*;
public class ArrayListTest {
public static void main(String[] args) {
ArrayList<Person> array = new ArrayList<Person>();
        Scanner sc = new Scanner(System.in);
        //接收输入,两个数据一起写,空格分开,做字符串切割
        while(true){
        String line = sc.nextLine();
        if("over".equals(line))
        break;
        //按照空格,进行字符串切割
        String[] str = line.split(" +");
        //数组的每个元素,存储到Person对象,Person存储到集合
        array.add(new Person(str[0],Integer.parseInt(str[1])));
        }
        //迭代集合
        Iterator<Person> it = array.iterator();
        while(it.hasNext()){
        Person p = it.next();
        System.out.println(p.getName()+".."+p.getAge());
        }
}
}
同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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