Question

我正在尝试通过从斯坦福大学的课程中完成一些作业来学习Java，但我在回答这个问题时遇到了麻烦。

boolean stringIntersect（String a，String b，int len）：给定2个字符串，考虑长度为len的所有子串。如果，则返回true 在两个字符串中都有任何这样的子串。计算这在O（n）时间使用HashSet。

我无法弄清楚如何使用Hashset来执行此操作，因为您无法存储重复的字符。所以stringIntersect(hoopla, loopla, 5)应该返回true。

谢谢！

编辑：非常感谢您的所有快速回复。看到解释和代码很有帮助。我想我不明白为什么在hashset中存储子字符串会使算法更有效率。我最初的解决方案如下：

public static boolean stringIntersect(String a, String b, int len) {
    assert (len>=1);
    if (len>a.length() || len>b.length()) return false;
    String s1=new String(),s2=new String();
    if (a.length()<b.length()){
        s1=a;
        s2=b;
    }
    else {
        s1=b;
        s2=a;
    }
    int index = 0;
    while (index<=s1.length()-len){
        if (s2.contains(s1.substring(index,index+len)))return true;
        index++;
    }
    return false;
}

Answer 1

我不确定我明白你的意思是“你不能存储重复的字符”一个哈希集是Set，所以它可以做两件事：你可以为它添加值，你可以添加值它，你可以检查一个值是否已经存在。在这种情况下，问题是希望您通过在HashSet中存储字符串而不是字符来回答问题。要在java中执行此操作：

Set<String> stringSet = new HashSet<String>();

尝试将此问题分为两部分： 1.生成字符串长度len的所有子字符串 2.用它来解决问题。

第二部分的提示是：步骤1：对于第一个字符串，将子字符串输入到哈希集中步骤2：对于第二个字符串，检查hashset中的值

注意（高级）：此问题指定不当。输入和检查哈希表中的字符串是字符串的长度。对于长度为n的字符串a，您有O（n-k）个长度为k的子串。因此，对于string a是一个长度为n的字符串而字符串b是一个长度为m的字符串，你有O((n-k)*k+(m-k)*k)这是不是很大哦，因为你的运行时间对于k = n / 2是O（（n / 2）*（n / 2））= O（n ^ 2）

编辑：那么如果您真的想在O(n)（或者O(n+m+k)）中执行此操作，该怎么办？我的信念是，原来的作业要求的是像我上面描述的算法。但我们可以做得更好。更重要的是，我们可以做得更好，仍然使HashSet成为我们算法的关键工具。我们的想法是使用“Rolling Hash”执行搜索。维基百科描述了一对：http://en.wikipedia.org/wiki/Rolling_hash，但我们将实现自己的。

一个简单的解决方案是将角色哈希值合并到一起。这可以允许我们向哈希O(1)添加新的字符并删除一个O(1)，从而使计算下一个哈希值变得微不足道。但是这个简单的算法不会有两个原因

角色哈希可能无法提供足够的熵。好吧，我们不知道我们是否会遇到这个问题，但无论如何都要解决它，只是为了好玩。
我们会将排列值哈希到相同的值...“abc”不应该与“cba”具有相同的哈希值

为了解决第一个问题，我们可以使用AI中的一个想法，即从Zobrist hashing中获取钢材。我们的想法是为每个可能的角色分配一个更大长度的随机值。如果我们使用ASCI，我们可以轻松地创建一个包含所有ASCI字符的数组，但在使用unicode字符时会遇到问题。另一种方法是懒惰地分配值。

object LazyCharHash{
  private val map = HashMap.empty[Char,Int]
  private val r = new Random
  def lHash(c: Char): Int = {
    val d = map.get(c)
    d match {
      case None => {
        map.put(c,r.nextInt)
        lHash(c)
      }
      case Some(v) => v
    }
  }
}

这是Scala代码。 Scala往往比Java更简洁，但仍允许我使用Java集合，因此我将使用命令式样式Scala。翻译起来并不难。

第二个问题也可以解决。首先，我们将XOR与移位结合起来，而不是使用纯XOR，因此哈希函数现在是：

def fullHash(s: String) = {
  var h = 0
  for(i <- 0 until s.length){
    h = h >>> 1
    h = h ^ LazyCharHash.lHash(s.charAt(i))
  }
  h
}

当然，使用fullHash不会带来性能优势。这只是一个规范

我们需要一种使用哈希函数在HashSet中存储值的方法（我保证会使用它）。我们可以创建一个包装类：

class HString(hash: Int, string: String){
  def getHash = hash
  def getString = string
  override def equals(otherHString: Any): Boolean = {
    otherHString match {
      case other: HString => (hash == other.getHash) && (string == other.getString)
      case _ => false
    }
  }
  override def hashCode = hash
}

好的，为了使哈希函数滚动，我们只需要对与我们将不再使用的字符相关联的值进行异或。为此，只需将该值移动适当的数量即可。

def stringIntersect(a: String, b: String, len: Int): Boolean = {
  val stringSet = new HashSet[HString]()
  var h = 0
  for(i <- 0 until len){
    h = h >>> 1
    h = h ^ LazyCharHash.lHash(a.charAt(i))
  }
  stringSet.add(new HString(h,a.substring(0,len)))
  for(i <- len until a.length){
    h = h >>> 1
    h = h ^ (LazyCharHash.lHash(a.charAt(i - len)) >>> (len))
    h = h ^ LazyCharHash.lHash(a.charAt(i))
    stringSet.add(new HString(h,a.substring(i - len + 1,i + 1)))
  }
  ...

您可以自行了解如何完成此代码。

这是O(n)吗？嗯，重要的是什么意思。大哦，大欧米茄，大The，都是界限的指标。它们可以作为算法最坏情况的指标，最佳情况或其他。在这种情况下，这些修改会提供预期的 O(n)性能，但这仅在我们避免哈希冲突时才有效。仍然需要O(n)来判断两个字符串是否相等。这种随机方法非常有效，您可以扩展随机位数组的大小以使其更好地工作，但它没有保证性能。

Answer 2

您不应将字符存储在Hashset中，而应存储在子字符串中。

当考虑字符串“hoopla”时：如果在Hashset中存储子字符串“hoopl”和“oopla”（线性操作），那么它再次是线性的，以查找“loopla”的一个子字符串是否匹配。

Answer 3

我不知道他们怎么认为你应该使用 HashSet ，但我最终做了这样的解决方案：

public class StringComparator {

  public static boolean compare( String a, String b, int len ) {

    Set<String> pieces = new HashSet<String>();

    for ( int x = 0; (x + len) <= b.length(); x++ ) {
        pieces.add( a.substring( x, x + len  ) );
    }

    for ( String piece : pieces ) {
        if ( b.contains(piece) ) {
            return true;
        }
    }

    return false;

}

}

使用Java HashSet的两个字符串的交集

3 个答案: