计算两个MultiIntervalSet 的相似度

1. 计算两个MultiIntervalSet对象的相似度：
   double Similarity(MultiIntervalSet s1, MultiInterval Set s2)
   具体计算方法：按照时间轴从早到晚的次序，针对同一个时间段内两个对象里的interval，若它们标注的label等价，则二者相似度为1，否则为0；若同一时间段内只有一个对象有interval或二者都没有，则相似度为0。将各interval的相似度与interval的长度相乘后求和，除以总长度，即得到二者的整体相似度。
   

针对上图中的两个对象：
{ A = [[0,5),[20,25)], B = [[10,20),[25,30)] }
{ A = [[20,35)], B = [[10,20)], C = [[0,5)] }
它们的相似度计算如下：
( 5×0 + 5×0 + 10×1 + 5×1 + 5×0 + 5×0 ) ÷ ( 35 - 0 ) = 15 / 35 ≈ 0.42857

看到这个题目的首先想法就是计算公式的简化

分子的计算即为所有的相似度的总和
我们采用类似于括号匹配的方法来计算
设定一个double similar 来记录相似度总和。

指定一个标签label 从s1和s2中取出所有有关这个标签的集合并把它们放入一个treeset当中
当遇到一个start 的时候压栈，如果遇到end则弹栈，这一对区间必定属于A或者属于B
当遇到一个start压栈后，再次遇到start ，压栈，遇到end则弹栈，计算该end-start并将其加到similar当中
当遍历完所有（start，end）则结束计算，similar值即为相似度总和

分母的计算应该如下：
1.取s1和s2中起始点最小的那个为min
2.取s1和s2中结束点最大的那个为max
3.分母similarlength = max - min

最终代码：

public class APIs<L> {
	public static final double POSITIVE_INFINITY = 1.0 / 0.0;
	public double Similarity(MultiIntervalSet<L> s1, MultiIntervalSet<L> s2) {
		double similarSum = 0, min = POSITIVE_INFINITY, max = 0;
		Set<L> s1Labels = s1.labels();
		Iterator<L> label = s1Labels.iterator();
		while (label.hasNext()) {
			TreeSet<time> tmpSet = new TreeSet<>();
			L tmpL = label.next();
			LinkedList<Long> startSet = new LinkedList<>();
			LinkedList<Long> endSet = new LinkedList<>();	
			tmpSet.addAll(s1.intervals(tmpL));// 将s1中label的所有时间段加入tmpSet当中
			for (time tmpTime : tmpSet) {
				if (tmpTime.start() < min)
					min = tmpTime.start(); // 计算区间最小值
				if (tmpTime.end() > max)
					max = tmpTime.end();// 计算区间最大值
				startSet.add(tmpTime.start());
				endSet.add(tmpTime.end());
			}
			
			for (time tmpTime : s2.intervals(tmpL)) {
				if (tmpTime.start() < min)
					min = tmpTime.start(); // 计算区间最小值
				if (tmpTime.end() > max)
					max = tmpTime.end();// 计算区间最大值
				startSet.add(tmpTime.start());
				endSet.add(tmpTime.end());
			}
			Collections.sort(startSet);
			System.out.println(startSet);
			Collections.sort(endSet);
			System.out.println(endSet);
			
			Stack<Long> stack = new Stack<Long>();
			stack.empty();
			while (!startSet.isEmpty() || !endSet.isEmpty()) // 当起始点集和终点集合不为空的时候
			{
				if (stack.isEmpty()) { // 如果栈为空 则压栈
					Long tmp = startSet.getFirst(); // 取第一个元素
					stack.push(tmp); // 将其压栈
					startSet.removeFirst();// 从起始点集合中移除这个元
				} 
				else if (stack.size() == 2) { // 如果栈里面有两个起始点,则其中一个与end对相似度有贡献,计算该值并记录
					System.out.println(endSet.getFirst()+"sdf"+stack.peek());
					similarSum += endSet.getFirst() - stack.pop();
					endSet.removeFirst();
				}
				else if(stack.size()==1){// 如果栈里面已经有一个起始点集合了
					if (startSet.size() > 0) {
						if (startSet.getFirst() <= endSet.getFirst())// 如果起始点集的第一个元素小于终点集合的第一个元素,则压栈
						{
							stack.push(startSet.getFirst());
							startSet.removeFirst();
						} else {
							stack.pop();
							endSet.removeFirst();
						}
					} else {
						stack.pop();
						endSet.removeFirst();
					}
				}
				}
			}
		return similarSum / (max-min);
	}
	
	public static void main(String[] args) {
		MultiIntervalSet<String> s1 = new MultiIntervalSet<>();
		MultiIntervalSet<String> s2 = new MultiIntervalSet<>();
		APIs<String> method = new APIs<>();
		s1.insert(0,5 , "A");
		s2.insert(20, 35, "A");
		assertEquals(0.0, method.Similarity(s1, s2));
	}
}