c#【集合/泛型集合/哈希表/字典】--乌云之后依然是灿烂的明天

本文详细介绍了C#中的四种集合类型:ArrayList、List<T>、Hashtable和Dictionary<K,V>。ArrayList是不指定类型的集合,允许动态维护;List<T>为泛型集合,专注于处理特定类型;Hashtable是键值对形式的无序存储,键值皆为Object类型;Dictionary<K,V>则提供了类型约束的键值对存储,提高了效率。每种集合都有其特定的使用场景和操作方法。" 110505289,10297041,手把手教你搭建ZLMediaKit RTSP流媒体服务器,"['流媒体服务器', 'ZLMediaKit', 'RTSP', 'RTMP', 'ffmpeg']

集合(ArrayList)

集合 ArrayList():把各种类型的数据集合在一起,通过下标来遍历显示。集合是一个类,因此必须在向该集合添加元素之前,声明类的实例,需using System.Collections。
ArrayList可以动态维护,数字的容量的固定的
ArrayList常用方法:
Add( ) 往集合添加数据,算成一个元素
AddRange( ) 数组里边添加元素
Insert( ) 往某个下标的位置插入一个值
Remove() 删除
Clear() 清空
arrayList.Reverse() 反转
arrayList.Sort() 排序
Contains(1) 判断这个集合中包含这个元素
arrayLlist.Count 集合中元素的个数
arrayLlist.IndexOf(1) 找某一个元素对应的索引
InsertRange(4, nums) 往某一个索引位置插入一个数组
arrayLlist.RemoveAt(1) 移除索引对应的值
arrayLlist.RemoveRange(3,5) 从指定索引处开始移除,移除多少个,如果超出索引报异常

泛型集合(List<类型名>)

专门处理某种类型
定义一个 List<>泛型集合的方法如下:
List<> 对象名 = new List<>();
在尖括号中写什么类型,这个集合就变成什么类型的集合
添加数据,插入数据,索引访问数据都是这个类型,不需要转化

哈希表(Hashtable)

在这里插入图片描述
哈希表以键值对的形式存值 ,key----键(不能相同),value-----值;
哈希表使用键作为寻找的方式,是一种无序的结构,无序显示;
哈希表里的数据如何遍历?不再是for循环了,用foreach循环。

  
内容概要:本文详细介绍了一个基于Java和Vue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训练,仅上传加密后的模参数或梯度,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Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或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;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 个个体作为父方和母方。 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。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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