黑马程序员 Java学习笔记 (day13)

本文详细介绍了Java集合框架的各类接口及其实现,包括List、Set和Map等,并对比了ArrayList与LinkedList的不同特性及其适用场景。

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------

 

 

  今天学习了集合框架。集合框架接口的分类:collection接口 和 map接口。collection又分为List和Set集合。List集合代表按照元素一定的相关顺序来组织,在这个序列中顺序是主要的,List集合中数据可重复。Set集合是数学中集合的概念:其元素无序,且不可重复。Map接口中每一个元素不是一个对象,而是一个键对象和值对象组成的键值对(Key-Value)。Key-Value是用一个不可重复的key集合对应可重复的value集合。
    集合和数组是有区别的,数组存储的是基本的数据类型,集合存储的是对象。
    List集合:其下主要的两个实现类:ArrayList和LinkedList
ArrayList和数组非常类似,其存储格式也用数组组织数据,ArrayList是动态可变数组。ArrayList中数组的顺序与添加顺序一致。只有List可用get和size。而Set则不可用,因为其无序。
    LinkedList集合和ArrayList很相似,ArrayList底层是object数组,所以ArrayList具有数组的查询速度快的优点以及增删速度慢的缺点。而在LinkedList的底层是一种双向循环链表。在此链表上每一个数据节点都由三部分组成:前指针(指向前面的节点的位置),数据,后指针(指向后面的节点的位置)。最后一个节点的后指针指向第一个节点的前指针,形成一个循环。双向循环链表的查询效率低但是增删效率高。所以LinkedList具有查询效率低但增删效率高的特点。ArrayList和LinkedList在用法上没有区别,但是在功能上还是有区别的。LinkedList经常用在增删操作较多而查询操作很少的情况下:队列和堆栈。队列是先进先出的数据结构。堆栈是后进先出的数据结构。
    LinkedList的特有方法:addFirst();removeFirst();addLast();removeLast();在堆栈中,push为入栈操作,pop为出栈操作。Push用addFirst();pop用removeFirst(),实现后进先出。在队列中,put为入队列操作,get为出队列操作。Put用addFirst(),get用removeLast()实现队列。
    Vector与ArrayList相似,区别是Vector使用时消耗的资源比较多。所以在考虑并发的情况下用Vector(保证线程的安全)。在不考虑并发的情况下用ArrayList(不能保证线程的安全)。
    HashSet中元素是无序的即数据的添加顺序和后来的排列顺序不同,而且元素不可重复。HashSet底层用的也是数组。当向数组中利用add(Object o)添加对象的时候,系统先找对象的hashCode:如将自定义类用hashSet来添加对象,一定要覆盖hashcode()和equals(),覆盖的原则是保证当两个对象hashcode返回相同的整数,而且equals()返回值为True。
    使用hashSet的优点:hashSet的底层是数组,其查询效率非常高。而且在增加和删除的时候由于运用的hashCode的比较来确定添加元素的位置,所以不存在元素的偏移,所以效率也非常高。因为hashSet查询和删除和增加元素的效率都非常高。但是hashSet增删的高效率是通过花费大量的空间换来的:因为空间越大,取余数相同的情况就越小。HashSet这种算法会建立许多无用的空间。
    与HashSet不同,TreeSet并不需要实现HashCode()和equals()。只要实现compareable和compareTo()接可以实现过滤功能。如果要查询集合中的数据,使用Set必须全部遍历,所以查询的效率低。使用Map,可通过查找key得到value,查询效率高。
    map集合里面是键和值成对出现的,键是唯一的,值可以重复,当往map集合里添加的键重复时,那么后面那条记录的value覆盖前面一条记录。
    这是我对集合的一点的总结,边总结自己也边加强了记忆和理解,我相信我的黑马之路又向前迈了一步。


 

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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