快速`hashCode`

Question

我正在写A.I.解决“Maze of Life”难题。尝试将状态存储到HashSet会减慢一切。没有一组探索状态，运行它会更快。我相当自信我的节点（状态存储）实现了equals和hashCode，因为测试显示HashSet不会添加重复状态。我可能需要重新设计hashCode函数，但我相信正在放慢速度的是HashSet重新调整和调整大小。

我已经尝试将初始容量设置为一个非常大的数字，但它仍然非常慢：

 val initCapacity = java.lang.Math.pow(initialGrid.width*initialGrid.height,3).intValue()
 val frontier = new QuickQueue[Node](initCapacity)

这是快速队列代码：

class QuickQueue[T](capacity: Int) {

val hashSet = new HashSet[T](capacity)
val queue = new Queue[T]
    //methods below

有关详细信息，请参阅哈希函数。我将网格值以字节存储在两个数组中，并使用元组访问它：

override def hashCode(): Int = {
  var sum = Math.pow(grid.goalCoords._1, grid.goalCoords._2).toInt
  for (y <- 0 until grid.height) {
     for (x <- 0 until grid.width) {
        sum += Math.pow(grid((x, y)).doubleValue(), x.toDouble).toInt
     }
     sum += Math.pow(sum, y).toInt
  }
  return sum
}

有关如何设置不会降低速度的HashSet的任何建议？也许还有另外一个关于如何记住探索状态的建议？

P.S。使用java.util.HashSet，即使初始容量设置，它需要80秒vs＆lt;没有7秒没有设置

Answer 1

好的，首先，请替换

override def hashCode(): Int =

与

override lazy val hashCode: Int =

因此，每次需要访问哈希码时，都不会计算（grid.height*grid.width）浮点功率。这应该可以大大加快速度。

然后，除非你以某种方式依赖具有紧密哈希码的close单元格，否则不要重新发明轮子。使用scala.util.hashing.MurmurHash3.seqHash或某些来计算您的哈希值。这应该会使你的哈希速度增加20倍左右。（仍然保持懒惰的val。）

然后您只需要从所需的集合操作中获得开销。现在，除非你有很多0x0网格，否则你正在耗尽绝大部分时间等待math.pow给你一个结果（冒着一切变成Double.PositiveInfinity或0.0的风险，这取决于关于值有多大，这将产生哈希冲突，这将进一步减慢速度。）

Answer 2

请注意，以下假设您的所有对象都是不可变的。使用散列时这是一个明智的假设。

此外，您应该在应用优化之前对代码进行概要分析（例如，使用JDK附带的免费jvisualvm）。

快速`hashCode`

的记事

计算哈希码通常是一个瓶颈。通过为每个对象仅计算一次哈希代码并存储结果，您可以将哈希代码计算的成本降低到最小（一旦创建对象），代价是增加空间消耗（可能是中等）。要实现此目的，请将def hashCode转换为lazy val或val。

快速`equals`

实习

一旦消除了hashCode的费用，计算equals就成了问题。 equals对于收集领域和深层结构来说特别昂贵。

您可以通过实习最小化equals的费用。这意味着您通过工厂方法获取类的新对象，该方法检查所请求的新对象是否已存在，如果是，则返回对现有对象的引用。如果断言这种类型的每个对象都是以这种方式构造的，那么您就知道每个不同对象只有一个实例，equals等同于对象标识，这是一个便宜的引用比较（eq在斯卡拉）。

最佳HashSet初始化（Scala | Java）

2 个答案:

快速`hashCode`

快速`equals`

最佳HashSet初始化（Scala | Java）

2 个答案:

快速hashCode

快速equals

快速`hashCode`

快速`equals`