容器

【容器】

集合、类集、集合框架

 1. 概念:一组类和接口,用来实现常见的数据结构

 程序 = 算法 + 数据结构

 算法:解决问题的步骤

 数据结构: 保存数据的方式(若干个数据)

 

 2. 容器的分类

 Collection 集合

  |-- List  列表: 可以重复的,有序的(物理地址连续),有索引

  |

  |-- Set   集:不能重复的,无序的,没有索引

 Map 字典集

 

 * 有序指的是输出的顺序和输入的顺序一致

 *为遵循依赖倒转原则,实例化的集合对象用父类接口接收

 3. List的实现类

  ArrayList:可变数组,底层是物理地址连续的数组,随机访问速度很快,

但是添加、删除、修改元素可能会导致元素集体赋值,数组扩容很操作,效率非常低

 

  LinkedList:双向循环链表,底层是不连续的节点组成。随机访问要靠节点不断寻址,效率低下。

但是添加、删除、修改元素只要修改前后两个节点的指向即可,效率很高,

特别是针对头尾节点的操作,效率特别高

 

vector:线程同步的,而ArrayList不是线程同步,所以使用vector时对对象操作时会安全一点,性能比ArrayList差

 

 4. 集合的遍历

 

   1)for循环中用get方法遍历(set不行)

依赖于索引,而且不能在遍历中删除

 

   2)迭代器遍历

不依赖于索引,通用性高,而且可以在遍历中删除

 

   3)for each循环(增强版for循环)

for(数组或集合名    每一个对象的名字: 数组或集合类型)

        for(Student s : stuList) {
            System.out.println(s);
        }

底层还是使用迭代器遍历

效率同2)

1.5的新特性

不能在遍历中删除

 

有些for each循环在不知道数组是否为空的情况下需要判断:

1.遍历文件夹

2.遍历cookies数组

 

【Collections】

  集合工具类

  里面有很多用于操作Collection对象的静态方法

 

1. 常用方法

  swap  交换元素位置

  reverse  反转

  shuffle  打乱

2. 排序

  static <T extends Comparable<? super T>> void sort(List<T> list)

按照元素的自然顺序排序

自然顺序:实现了Comparable接口的对象具有的顺序

 

  static <T> void sort(List<T> list, Comparator<? super T> c)

指定比较器排序

比较器:Comparator的实现类

这个时候T类型就可以不具备自然顺序,但是指定的比较器必须可以对T类型对象进行排序

例:对arraylist<fruit>按照fruit.price排序,建立一个匿名类重写compare方法

	public void sortByPrice() {

		Collections.sort(fruitList, new Comparator<Fruit>() {

			@Override
			public int compare(Fruit o1, Fruit o2) {

				if (o1.getFruitprice() > o2.getFruitprice())
					return 1;
				else if (o1.getFruitprice() < o2.getFruitprice())
					return -1;
				else
					return 0;
			}

		});

	}

 

【Set 接口】

 

 集,一个不包含重复元素的集合

 

 1. 特点:

不包含重复元素

没有索引(无序)

 2. 实现类

HashSet:由哈希表支持的Set,具有非常高的访问速度

 

TreeSet:SortedSet的唯一实现类,可以根据元素自然顺序排序,

也可以指定比较器

 

 3. HashSet如何判断2个对象是否是同一个对象

先判断hashCode是否相等,

如果hashCode不相等,那就不是同一个对象

如果hashCode相等,就根据equals的结果判断

 

* 为什么重写equals之后一定要重写hashCode?

首先讲一下hashset的判断机制

如果没有重写hashcode()会怎么样?

因为equals是用来判断两个对象是否相等的,

重写了equals会导致原来地址不同的对象也可能会相等,

这样的2个对象不重写hashCode

它们的hash值必然不等

当保存到hashSet的时候,先判断不相等的hashCode,

就立即把2个对象都放入了集合

导致程序出错

 

系统默认重写后的hashcode实际上也是比较对象的内容

 

 4. HashSet的优势

boolean contains(Object o)

为了完全发挥这个方法的优势,最好把不同等的对象的hachCode值尽可能的不一致

 

 5. TreeSet

1) 排序过的的Set

2) 里面放的元素必须实现Comparable

3) 如何判断2个元素是否相等的呢?

通过compareTo方法的返回值

如果返回 > 0 表示this大

如果返回 < 0 表示this小

如果返回 == 0 表示同一个对象

 

 6. TreeSet的优势

用于比较的时候,效率比较高

 

【Map 字典集】

1. key-value结构

键-值对结构

 

2. key不能重复,value可以重复

 

 

3.map子类

HashMap:最常用的map本质,就是对hash值进行存储的map

TreeMap:SortedMap的唯一实现类,可以按照key的自然顺序排序,也可以指定比较器

 

4. map的遍历

1)KV都要 - entrySet

Set<Entry<String,Integer>> entrySet = map.entrySet();

for (Entry<String, Integer> entry : entrySet) {

    System.out.println(entry.getKey() + " - " + entry.getValue());

}

2)只要K,或者 只要V

Set<String> keySet = map.keySet();

for (String key : keySet) {

    System.out.println(key);

}



Collection<Integer> values = map.values();

for (Integer value : values) {

    System.out.println(value);

}

3)如果希望兼容低版本,或者是在遍历时删除

Iterator<Entry<String, Integer>> iterator = map.entrySet().iterator();

while(iterator.hasNext()) {

    Entry<String, Integer> entry = iterator.next();

    System.out.println(entry.getKey() + " - " + entry.getValue());

}

4)先遍历key,再用key遍历value,效率及其低下

 

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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