Alibaba_equals与hashCode的关系

1、equals()与hashCode()的关系
1)哈希算法:简单地说哈希算法就是经过一系列的运算,将任意字符串A计算成字符串B或者是数字B,通常来说从A能够生成B而从B则无法通过反计算生成A。该算法常常用于加密,常见的哈希算法实现有MD5、SHA1等
2)hashCode()方法的定义,在Java API文档中,hashCode()方法定义于java.lang.Object类中,public int hashCode(),运行该方法返回的是该对象的哈希码值,hashCode方法的常规规定是:

  • 在 Java 应用程序执行期间,在对同一对象多次调用hashCode 方法时,必须一致地返回相同的整数,前提是将对象进行equals 比较时所用的信息没有被修改。从某一应用程序的一次执行到同一应用程序的另一次执行,该整数无需保持一致。
  • 如果根据 equals(Object) 方法,两个对象是相等的,那么对这两个对象中的每个对象调用hashCode 方法都必须生成相同的整数结果。
  • 如果根据 equals(Object) 方法,两个对象不相等,那么对这两个对象中的任一对象上调用hashCode 方法不 要求一定生成不同的整数结果。但是,程序员应该意识到,为不相等的对象生成不同整数结果可以提高哈希表的性能。
实际上,Java是根据当前对象的内存地址值来计算得到对象的哈希值的。
3)equals()也定义于java.lang.Object类中,public boolean equals(Object obj),在没有重写的情况下,对于任何非空引用值x与y,当且仅当x与y引用了同一个对象时,该方法返回真。需要注意的是:当某个类的equals方法被重写的时候,通常需要重写hashCode()方法,以维护hashCode方法的常规协定(即上面提到:如果两个对象根据equals方法判断是相等的,那么对这两个对象中的每个对象调用hashCode方法都必须生成相同的整数结果)。

比如String类的equals方法判断的依据不是“==”的内存地址,而是字符串里面的字符,那么String重写的hashCode方法的哈希码计算也应该是基于字符串里面的字符的。(参考Java String类的源代码)

所以我们可以得到equals方法与hashCode方法的关系如下:

经过equals判断相等的两个对象,他们经过hashCode方法计算而得的哈希码一定相等;

反过来说,执行hashCode方法得到不一样的哈希码的两个对象,经过equals判断肯定是不相等的;

而经过equals判断不相等的两个对象,由hashCode方法计算得到的哈希码却不一定不相等;反过来说由hashCode方法计算得到的哈希码相同的两个对象,由equals方法判断不一定是相等的。这个我们将在下面的例子得到验证。

假如我们要构建一个哈希表,哈希函数使用模5取余算法,则根据现有数据 1 2 3 4 5 我们可以得到下面的哈希表

0:5

1:1

2:2

3:3

4:4

这样子的哈希表有什么用途呢?在Java中,哈希表的构建常常用于hashSet/hashMap/hashTable等持有对象,以hashSet为例,Set是不允许插入重复的值的,所以在每一次插入值的时候Set都必须检查已有的数据里是否有与新进的数据相同的数据存在。

假设当前hashSet已经有成千上万的数据,为了时间的效率问题,我们自然会避开一一检查的思路。使用当前的对象(在这里为自然数)的哈希码(Java里由hashCode获得但是这里使用的是我们自定义的模5取余算法),根据哈希码在哈希表里找到该哈希码对应的已存在的数据,再根据equals方法进行比较,最终可以确定hashSet里是否已经含有该新值,从而减少了比较的次数,提高了时间的效率。

我们接着插入7 12 和 17 则哈希的结果为:

0:5

1:1

2:2 7 12 17

3:3

4:4

hash算法的初衷是使得取一个值变得容易,而事实是这也是最快的取值方法。所以哈希码自然是一对多的设计,这也证明了hashCode方法返回的哈希码一样的两个对象,并不一定是相等的两个对象。而equals不相等的两个对象,哈希码也不一定是不相等的。

==============================番外===================================

我们试定义一个这样子的类:

public class Man {
    public int age;
    public String name;
    public Man(int age,String name){
    	this.age = age;
    	this.name = name;
    }
    /**
     * 重写equals!
     */
    public boolean equals(Object obj){//注意参数为Object类型
        Man m = (Man)Obj;
    	return this.age == m.age && this.name.equals(m.name);
    }
}

import java.util.HashSet;
import java.util.Set;
public class Main {
   public static void main(String[] args){
	   Set<Man> hs = new HashSet<Man>();
	   hs.add(new Man(1,"SunZhongShan"));
	   hs.add(new Man(2,"MaoZeDong"));
	   hs.add(new Man(3,"ZhouEnLai"));
	   hs.add(new Man(1,"SunZhongShan"));
	   for(Man m : hs){
		   System.out.println(m.age +" "+ m.name);
	   }
	   Man m1 = new Man(1,"SunZhongShan");
	   Man m2 = new Man(1,"SunZhongShan");
	   System.out.println(m1.equals(m2));
   }
}

运行结果为:

1 SunZhongShan
1 SunZhongShan
3 ZhouEnLai
2 MaoZeDong
true

beta2:

public class Man {
    public int age;
    public String name;
    public Man(int age,String name){
    	this.age = age;
    	this.name = name;
    }
    /**
     * 重写equals!
     */
    public boolean equals(Object obj){
    	Man m = (Man)obj;
    	return this.age == m.age && this.name.equals(m.name);
    }
    public int hashCode(){
    	return age * name.hashCode();
    }
}
import java.util.HashSet;
import java.util.Set;
public class Main {
   public static void main(String[] args){
	   Set<Man> hs = new HashSet<Man>();
	   hs.add(new Man(1,"SunZhongShan"));
	   hs.add(new Man(1,"SunZhongShan"));
	   hs.add(new Man(2,"MaoZeDong"));
	   hs.add(new Man(3,"ZhouEnLai"));
	   for(Man m : hs){
		   System.out.println(m.age + " " + m.name);
	   }
   }
}

运行结果:

3 ZhouEnLai
2 MaoZeDong
1 SunZhongShan


标题基于SpringBoot+Vue的学生交流互助平台研究AI更换标题第1章引言介绍学生交流互助平台的研究背景、意义、现状、方法创新点。1.1研究背景意义分析学生交流互助平台在当前教育环境下的需求及其重要性。1.2国内外研究现状综述国内外在学生交流互助平台方面的研究进展实践应用。1.3研究方法创新点概述本研究采用的方法论、技术路线及预期的创新成果。第2章相关理论阐述SpringBootVue框架的理论基础及在学生交流互助平台中的应用。2.1SpringBoot框架概述介绍SpringBoot框架的核心思想、特点及优势。2.2Vue框架概述阐述Vue框架的基本原理、组件化开发思想及前端的交互机制。2.3SpringBootVue的整合应用探讨SpringBootVue在学生交流互助平台中的整合方式及优势。第3章平台需求分析深入分析学生交流互助平台的功能需求、非功能需求及用户体验要求。3.1功能需求分析详细阐述平台的各项功能需求,如用户管理、信息交流、互助学习等。3.2非功能需求分析对平台的性能、安全性、可扩展性等非功能需求进行分析。3.3用户体验要求从用户角度出发,提出平台在易用性、美观性等方面的要求。第4章平台设计实现具体描述学生交流互助平台的架构设计、功能实现及前后端交互细节。4.1平台架构设计给出平台的整体架构设计,包括前后端分离、微服务架构等思想的应用。4.2功能模块实现详细阐述各个功能模块的实现过程,如用户登录注册、信息发布查看、在线交流等。4.3前后端交互细节介绍前后端数据交互的方式、接口设计及数据传输过程中的安全问题。第5章平台测试优化对平台进行全面的测试,发现并解决潜在问题,同时进行优化以提高性能。5.1测试环境方案介绍测试环境的搭建及所采用的测试方案,包括单元测试、集成测试等。5.2测试结果分析对测试结果进行详细分析,找出问题的根源并
内容概要:本文详细介绍了一个基于灰狼优化算法(GWO)优化的卷积双向长短期记忆神经网络(CNN-BiLSTM)融合注意力机制的多变量多步时间序列预测项目。该项目旨在解决传统时序预测方法难以捕捉非线性、复杂时序依赖关系的问题,通过融合CNN的空间特征提取、BiLSTM的时序建模能力及注意力机制的动态权重调节能力,实现对多变量多步时间序列的精准预测。项目不仅涵盖了数据预处理、模型构建训练、性能评估,还包括了GUI界面的设计实现。此外,文章还讨论了模型的部署、应用领域及其未来改进方向。 适合人群:具备一定编程基础,特别是对深度学习、时间序列预测及优化算法有一定了解的研发人员和数据科学家。 使用场景及目标:①用于智能电网负荷预测、金融市场多资产价格预测、环境气象多参数预报、智能制造设备状态监测预测维护、交通流量预测智慧交通管理、医疗健康多指标预测等领域;②提升多变量多步时间序列预测精度,优化资源调度和风险管控;③实现自动化超参数优化,降低人工调参成本,提高模型训练效率;④增强模型对复杂时序数据特征的学习能力,促进智能决策支持应用。 阅读建议:此资源不仅提供了详细的代码实现和模型架构解析,还深入探讨了模型优化和实际应用中的挑战解决方案。因此,在学习过程中,建议结合理论实践,逐步理解各个模块的功能和实现细节,并尝试在自己的项目中应用这些技术和方法。同时,注意数据预处理的重要性,合理设置模型参数网络结构,控制多步预测误差传播,防范过拟合,规划计算资源训练时间,关注模型的可解释性和透明度,以及持续更新迭代模型,以适应数据分布的变化。
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