数据结构思维 第十章 哈希

第十章 哈希

原文:Chapter 10 Hashing

译者:飞龙

协议:CC BY-NC-SA 4.0

自豪地采用谷歌翻译

在本章中,我定义了一个比MyLinearMap更好的Map接口实现,MyBetterMap,并引入哈希,这使得MyBetterMap效率更高。

10.1 哈希

为了提高MyLinearMap的性能,我们将编写一个新的类,它被称为MyBetterMap,它包含MyLinearMap对象的集合。它在内嵌的映射之间划分键,因此每个映射中的条目数量更小,这加快了findEntry,以及依赖于它的方法的速度。

这是类定义的开始:

public class MyBetterMap<K, V> implements Map<K, V> {

    protected List<MyLinearMap<K, V>> maps;

    public MyBetterMap(int k) {
        makeMaps(k);
    }

    protected void makeMaps(int k) {
        maps = new ArrayList<MyLinearMap<K, V>>(k);
        for (int i=0; i<k; i++) {
            maps.add(new MyLinearMap<K, V>());
        }
    }
}

实例变量maps是一组MyLinearMap对象。构造函数接受一个参数k,决定至少最开始,要使用多少个映射。然后makeMaps创建内嵌的映射并将其存储在一个ArrayList中。

现在,完成这项工作的关键是,我们需要一些方法来查看一个键,并决定应该进入哪个映射。当我们put一个新的键时,我们选择一个映射;当我们get同样的键时,我们必须记住我们把它放在哪里。

一种可能性是随机选择一个子映射,并跟踪我们把每个键放在哪里。但我们应该如何跟踪?看起来我们可以用一个Map来查找键,并找到正确的子映射,但是练习的整个一点是编写一个有效的实现Map。我们不能假设我们已经有了。

一个更好的方法是使用一个哈希函数,它接受一个Object,一个任意的Object,并返回一个称为哈希码的整数。重要的是,如果它不止一次看到相同的Object,它总是返回相同的哈希码。这样,如果我们使用哈希码来存储键,当我们查找时,我们将得到相同的哈希码。

在Java中,每个Object都提供了hashCode,一种计算哈希函数的方法。这种方法的实现对于不同的对象是不同的;我们会很快看到一个例子。

这是一个辅助方法,为一个给定的键选择正确的子映射:

protected MyLinearMap<K, V> chooseMap(Object key) {
    int index = 0;
    if (key != null) { 
        index = Math.abs(key.hashCode()) % maps.size();
    }
    return maps.get(index);
}

如果keynull,我们任意选择索引为0的子映射。否则,我们使用hashCode获取一个整数,调用Math.abs来确保它是非负数,然后使用余数运算符%,这保证结果在0maps.size()-1之间。所以index总是一个有效的maps索引。然后chooseMap返回为其所选的映射的引用。

我们使用chooseMapputget,所以当我们查询键的时候,我们得到添加时所选的相同映射,我们选择了相同的映射。至少应该是 - 稍后我会解释为什么这可能不起作用。

这是我的putget的实现:

public V put(K key, V value) {
  MyLinearMap<K, V> map = chooseMap(key);
    return map.put(key, value);
}

public V get(Object key) {
    MyLinearMap<K, V> map = chooseMap(key);
    return map.get(key);
}

很简单,对吧?在这两种方法中,我们使用chooseMap来找到正确的子映射,然后在子映射上调用一个方法。这就是它的工作原理。现在让我们考虑一下性能。

如果在k个子映射中分配了n个条目,则平均每个映射将有n/k个条目。当我们查找一个键时,我们必须计算其哈希码,这需要一些时间,然后我们搜索相应的子映射。

因为MyBetterMap中的条目列表,比MyLinearMap中的短k倍,我们的预期是ķ倍的搜索速度。但运行时间仍然与n成正比,所以MyBetterMap仍然是线性的。在下一个练习中,你将看到如何解决这个问题。

10.2 哈希如何工作?

哈希函数的基本要求是,每次相同的对象应该产生相同的哈希码。对于不变的对象,这是比较容易的。对于具有可变状态的对象,我们必须花费更多精力。

作为一个不可变对象的例子,我将定义一个SillyString类,它包含一个String

public class SillyString {
    private final String innerString;

    public SillyString(String innerString) {
        this.innerString = innerString;
    }

    public String toString() {
        return innerString;
    }

这个类不是很有用,所以它叫做SillyString。但是我会使用它来展示,一个类如何定义它自己的哈希函数:

    @Override
    public boolean equals(Object other) {
        return this.toString().equals(other.toString());
    }

    @Override
    public int hashCode() {
        int total = 0;
        for (int i=0; i<innerString.length(); i++) {
            total += innerString.charAt(i);
        }
        return total;
    }

注意SillyString重写了equalshashCode。这个很重要。为了正常工作,equals必须和hashCode,这意味着如果两个对象被认为是相等的 - 也就是说,equals返回true - 它们应该有相同的哈希码。但这个要求只是单向的;如果两个对象具有相同的哈希码,则它们不一定必须相等。

equals通过调用toString来工作,返回innerString。因此,如果两个SillyString对象的innerString实例变量相等,它们就相等。

hashCode的原理是,迭代String中的字符并将它们相加。当你向int添加一个字符时,Java 将使用其 Unicode 代码点,将字符转换为整数。你不需要了解 Unicode 的任何信息来弄清此示例,但如果你好奇,可以在 http://thinkdast.com/codepoint 上阅读更多内容。

该哈希函数满足要求:如果两个SillyString对象包含相等的内嵌字符串,则它们将获得相同的哈希码。

这可以正常工作,但它可能不会产生良好的性能,因为它为许多不同的字符串返回相同的哈希码。如果两个字符串以任何顺序包含相同的字母,它们将具有相同的哈希码。即使它们不包含相同的字母,它们可能会产生相同的总量,例如"ac""bb"

如果许多对象具有相同的哈希码,它们将在同一个子映射中。如果一些子映射比其他映射有更多的条目,那么当我们有k个映射时,加速比可能远远小于k。所以哈希函数的目的之一是统一;也就是说,以相等的可能性,在这个范围内产生任何值。你可以在 http://thinkdast.com/hash 上阅读更多设计完成的,散列函数的信息。

10.3 哈希和可变性

String是不可变的,SillyString也是不可变的,因为innerString定义为final。一旦你创建了一个SillyString,你不能使innerString引用不同的String,你不能修改所指向的String。因此,它将始终具有相同的哈希码。

但是让我们看看一个可变对象会发生什么。这是一个SillyArray定义,它与SillyString类似,除了它使用一个字符数组而不是一个String

public class SillyArray {
    private final char[] array;

    public SillyArray(char[] array) {
        this.array = array;
    }

    public String toString() {
        return Arrays.toString(array);
    }

    @Override
    public boolean equals(Object other) {
        return this.toString().equals(other.toString());
    }

    @Override
    public int hashCode() {
        int total = 0;
        for (int i=0; i<array.length; i++) {
            total += array[i];
        }
        System.out.println(total);
        return total;
    }

SillyArray也提供setChar,它能够修改修改数组内的字符。

public void setChar(int i, char c) {
    this.array[i] = c;
}

现在假设我们创建了一个SillyArray,并将其添加到map

SillyArray array1 = new SillyArray("Word1".toCharArray());
map.put(array1, 1);

这个数组的哈希码是461。现在如果我们修改了数组内容,之后尝试查询它,像这样:

array1.setChar(0, 'C');
Integer value = map.get(array1);

修改之后的哈希码是441。使用不同的哈希码,我们就很可能进入了错误的子映射。这就很糟糕了。

一般来说,使用可变对象作为散列数据结构中的键是很危险的,这包括MyBetterMapHashMap。如果你可以保证映射中的键不被修改,或者任何更改都不会影响哈希码,那么这可能是正确的。但是避免这样做可能是一个好主意。

10.4 练习 8

在这个练习中,你将完成MyBetterMap的实现。在本书的仓库中,你将找到此练习的源文件:

  • MyLinearMap.java包含我们在以前的练习中的解决方案,我们将在此练习中加以利用。
  • MyBetterMap.java包含上一章的代码,你将填充一些方法。
  • MyHashMap.java包含按需增长的哈希表的概要,你将完成它。
  • MyLinearMapTest.java包含MyLinearMap的单元测试。
  • MyBetterMapTest.java包含MyBetterMap的单元测试。
  • MyHashMapTest.java包含MyHashMap的单元测试。
  • Profiler.java包含用于测量和绘制运行时间与问题大小的代码。
  • ProfileMapPut.java包含配置该Map.put方法的代码 。

像往常一样,你应该运行ant build来编译源文件。然后运行ant MyBetterMapTest。几个测试应该失败,因为你有一些工作要做!

从以前的章节回顾putget的实现。然后填充containsKey的主体。提示:使用chooseMap。再次运行ant MyBetterMapTest并确认通过了testContainsKey

填充containsValue的主体。提示:不要使用chooseMapant MyBetterMapTest再次运行并确认通过了testContainsValue。请注意,比起找到一个键,我们必须做更多的操作才能找到一个值。

类似putget,这个实现的containsKey是线性的,因为它搜索了内嵌子映射之一。在下一章中,我们将看到如何进一步改进此实现。

展开阅读全文

基于深度学习的计算机视觉: 原理与实践 (下部)

02-22
本课程适合具有一定深度学习基础,希望发展为深度学习之计算机视觉方向的算法工程师和研发人员的同学们。 基于深度学习的计算机视觉是目前人工智能最活跃的领域,应用非常广泛,如人脸识别和无人驾驶中的机器视觉等。该领域的发展日新月异,网络模型和算法层出不穷。如何快速入门并达到可以从事研发的高度对新手和中级水平的学生而言面临不少的挑战。精心准备的本课程希望帮助大家尽快掌握基于深度学习的计算机视觉的基本原理、核心算法和当前的领先技术,从而有望成为深度学习之计算机视觉方向的算法工程师和研发人员。 本课程系统全面地讲述基于深度学习的计算机视觉技术的原理并进行项目实践。课程涵盖计算机视觉的七大任务,包括图像分类、目标检测、图像分割(语义分割、实例分割、全景分割)、人脸识别、图像描述、图像检索、图像生成(利用生成对抗网络)。本课程注重原理和实践相结合,逐篇深入解读经典和前沿论文70余篇,图文并茂破译算法难点, 使用思维导图梳理技术要点。项目实践使用Keras框架(后端为Tensorflow),学员可快速上手。 通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。 本课程提供课程资料的课件PPT(pdf格式)和项目实践代码,方便学员学习和复习。 本课程分为上下两部分,其中上部包含课程的前五(课程介绍、深度学习基础、图像分类、目标检测、图像分割),下部包含课程的后四(人脸识别、图像描述、图像检索、图像生成)。
©️2020 CSDN 皮肤主题: 黑客帝国 设计师: 上身试试 返回首页
实付0元
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、C币套餐、付费专栏及课程。

余额充值