集合类常用知识总结

集合类分为三大类,分别为Collection,Set和Map

1.通常我们最常用的是List,它实现了Collection接口,而ArrayList和LinkedList实现了接口List,下面介绍它们的不同

ArrayList :它一般是用数组实现的,所以在查询数据的时候比较快,增删每一个数据都要移动其后面的数据,导致它增删比较慢。

LinkedList:它一般是用链表实现的,通过链表的结构我们可知,它增删数据比较快,因为只需把节点的指针调整一下就可以达到目的,然而它查找数据时需要依次遍历每一个节点,导致它查询比较慢。

2.Set实现了与Collection相同的接口,所以它们很相似,Set中不允许保存相同的项,HashSet,TreeSet,LinkedHashSet都实现了Set接口,三者不同点如下。

HashSet:使用Hash函数优化了其存储结构,查询速度最快,无序。

TreeSet:使用红黑树方式存储,存储的数据有顺序。

LinkedHashSet:按照被添加的顺序保存对象。

3.Map通过hashCode和equals方法来计算和存放数据,每一个数据值都关联了一个键,每次添加数据时都生成一个对应的键,然后在Map中查看这个键是否已经存在,如果存在,则更新这个键所对应的值,如果不存在,则把该键值对添加到Map中,常用的Map有HashMap,TreeMap,LinkedHashMap,其不同点如下:

HashMap:提供了最优的查找技术,存储数据无序,允许插入空键值。

TreeMap:按照比较结果的升序保存键。

LinkedHashMap:按照插入顺序保存键。

(补充)

HashTable:对hash表进行加锁,从而保证了线程同步,但效率比较低,一般不建议用。

ConcurrentHashMap:应用锁分离技术,把一个表分成多个segment段,然后对每个段分别加锁,多线程可以在保证线程安全的前提下,对数据进行写操作,比hashTable效率高,而且它的读操作不需要加锁,根据Java内存模型before happen,写操作先于读操作完成,所以不会读到脏数据。(多线程推荐使用)

内容概要:本文详细介绍了一个基于JavaVue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定JavaVue开发基础,熟悉Spring Boot、RESTful API、分布式系统机器学习相关技术,从事推荐系统、隐私计算全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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