day20 集合(三)

1、Collections工具类

针对集合提供的工具类

常用方法:
sort() 排序
binarySearch() 二分查找
max() 最大值
min() 最小值
reverse() 反转
shuffle() 乱序

1.1 排序

对当前集合进行升序排序,实现Comparable接口的类

只能使用一种排序方案,这种方案叫作“自然比较”方案。

List<Integer> list = new ArrayList<Integer>();
		list.add(10);
		list.add(12);
		list.add(6);
		list.add(8);
		list.add(30);
		list.add(23);
		
		// 排序
		Collections.sort(list);
		System.out.println(list);
		
		// 第二个参数 比较器(两种方式:1 自定义类实现Comparator接口, 2匿名内部类)
		Collections.sort(list, new MyComparator());
		System.out.println(list);
		
		// 匿名内部类,
		// 针对接口、抽象类,不需要实现类
		// new 接口名/抽象类名(){ 重写的方法 }
		Collections.sort(list, new Comparator<Integer>() {

			@Override
			public int compare(Integer o1, Integer o2) {
				// TODO Auto-generated method stub
				return o2 - o1;
			}});
		System.out.println(list);

1.2二分查找

  • 使用二分搜索法搜索指定列表,以获得指定对象。在进行此调用之前,必须根据列表元素的自然顺序对列表进行升序排序,也就是使用sort进行自然升序排列。

  • 如果没有对列表进行排序,则结果是不确定的。如果列表包含多个等于指定对象的元素,则无法保证找到的是哪一个。

  •  Collections.binarySearch(list, 要查找的数值)

List<Integer> list = new ArrayList<Integer>();
		list.add(10);
		list.add(12);
		list.add(6);
		list.add(8);
		list.add(23);
		
		// 6 8 10 12 23
		Collections.sort(list);
		System.out.println(list);
		// 二分查找 针对有序的集合
		int index = Collections.binarySearch(list, 12);
		System.out.println(index);

1.3 其他方法

Collections.max(list) //找最大值

Collections.min(list)//找最小值

Collections.reverse(list)//反转

	List<Integer> list = new ArrayList<Integer>();
		list.add(10);
		list.add(12);
		list.add(6);
		list.add(8);
		list.add(23);
		
		// 找最大值
		Integer max = Collections.max(list);
		System.out.println(max);
		
		// 乱序
		Collections.shuffle(list);
		System.out.println(list);

		// 反转
		Collections.reverse(list);
		System.out.println(list);

2、匿名内部类

针对接口、抽象类,不需要实现类

语法格式:new 接口名/抽象类名(){ 重写的方法 }

前提和条件:必须存在继承和实现关系的时候才可以使用
Collections.sort(list, new Comparator<Integer>() {

			@Override
			public int compare(Integer o1, Integer o2) {
				// TODO Auto-generated method stub
				return o2 - o1;
			}});
		System.out.println(list);

请雅清同学过目!

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
好的,我来回答你的问题。首先,广度优先搜索(BFS)是一种图搜索算法,可以用来解决一些问题,比如迷宫问题。在迷宫问题中,我们需要找到一条从起点到终点的最短路径。下面是用 Python 实现 BFS 解决迷宫问题的示例代码: ```python from collections import deque # 定义一个二维数组表示迷宫,0 表示可以走,1 表示障碍物 maze = [ [0, 1, 0, 0, 0], [0, 1, 0, 1, 0], [0, 0, 0, 0, 0], [0, 1, 1, 1, 0], [0, 0, 0, 1, 0], ] # 定义起点和终点 start = (0, 0) end = (4, 4) # 定义四个方向,上下左右 directions = [(-1, 0), (1, 0), (0, -1), (0, 1)] def bfs(maze, start, end): # 定义队列,初始时将起点加入队列 queue = deque([start]) # 定义 visited 集合,用于记录已经访问过的位置 visited = set([start]) while queue: # 取出队列中的第一个节点 node = queue.popleft() # 如果当前节点是终点,返回到达终点的最短距离 if node == end: return distance[node[0]][node[1]] # 对于当前节点,遍历它的四个方向 for direction in directions: # 计算出下一个节点的坐标 next_node = (node[0] + direction[0], node[1] + direction[1]) # 如果下一个节点不越界且没有访问过,并且可以走(maze[next_node[0]][next_node[1]] == 0),将它加入队列和 visited 集合 if 0 <= next_node[0] < len(maze) and 0 <= next_node[1] < len(maze[0]) and next_node not in visited and maze[next_node[0]][next_node[1]] == 0: queue.append(next_node) visited.add(next_node) # 如果没有找到到达终点的路径,返回 -1 return -1 # 计算每个位置到起点的最短距离 distance = [[float('inf') for _ in range(len(maze[0]))] for _ in range(len(maze))] distance[start[0]][start[1]] = 0 bfs(maze, start, end) ``` 在上面的代码中,我们首先定义了一个迷宫,然后定义了起点和终点。接着,我们定义了四个方向,上下左右。接下来,我们定义了 bfs 函数,用于实现广度优先搜索。在 bfs 函数中,我们首先定义了一个队列和 visited 集合,用于记录已经访问过的位置。然后,我们将起点加入队列和 visited 集合。接着,我们进行循环,取出队列中的第一个节点,遍历它的四个方向。如果下一个节点不越界且没有访问过,并且可以走,我们将它加入队列和 visited 集合。最后,如果没有找到到达终点的路径,返回 -1。 最后,我们计算每个位置到起点的最短距离,并调用 bfs 函数求解最短路径。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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