我目前正在尝试根据其值匹配2个对象。除此之外,它不是a.a = a.a
,而是a.a = a.b
和a.b = b.a
。这意味着覆盖equals
是一种选择,但它肯定不是正确的选择。
虽然对这些对象进行排序会使匹配时间更快,但人口将会很少,因此不需要。此外,compareTo
也不完全正确,原因与equals
相同。
我是否只是制作自己的方法以防万一?将有4个字段匹配,这就是我之前没有使用if语句的原因。
public boolean isOpposite(Object other) {
return (this.a == other.b) ? true : false;
}
对象还有可能实现/扩展基础对象以接受更多字段并实现自己的匹配方式。
我正在考虑使用LinkedList
因为我知道它比ArrayList
更快使用,但我也一直在考虑Map
。
编辑:更好地解释对象
public class Obj {
public String a;
public String b;
public String c;
public double d;
}
关系如下:
Obj obj1, obj2;
obj1.a == obj2.b //.equals for String of course
obj1.b == obj2.a
obj1.c == obj2.c
obj1.d == obj2.d * -1
答案 0 :(得分:2)
正如您所提到的,覆盖equals
或compareTo
不是正确的方法。因为假设两种方法都应该是可传递的,即A eq B and B eq C => A eq C
,但它不适用于“相反”的对象。很高兴知道,因为您无法定义等价类并将其划分为子集,但您需要找到所有对(取决于您的用例)。
不确定,你的目标是什么。如果你有一些带有这些物体的容器,你需要找到满足条件的所有对,那么我恐怕你需要进行n ^ 2比较。
我可能会创建两个哈希集,一个是原始的,另一个是对立的,并询问第二个哈希集是否包含原始哈希集的每个成员的相反。
答案 1 :(得分:0)
我已经做了一些测试,并确定我知道如何实现这一点的最简洁方法是使用ArrayList<Obj>
。
这是我的实施:
public static List<ObjGroup> getNewSampleGroup(int size) {
List<ObjGroup> sampleGroup = new ArrayList<ObjGroup>();
sampleGroup.add(new ObjGroup((generateNumbers(size, 1)))); //Positives
sampleGroup.add(new ObjGroup((generateNumbers(size, -1)))); //Negatives
return sampleGroup;
}
private static List<Obj> generateNumbers(int size, int x) {
List<Obj> sampleGroup = new ArrayList<Obj>();
for (int i = 0; i < size; i ++) {
Random rand = new Random();
String randC;
String randA;
String randB;
double randD;
if (x == 1) {
randD = rand.nextInt((maxP - minP + 1) + minP);
randA = "aval";// + String.valueOf(rand.nextInt((max - min + 1) + min));
randB = "bval";// + String.valueOf(rand.nextInt((max - min + 1) + min));
randC = "cval";// + String.valueOf(rand.nextInt((max - min + 1) + min));
} else {
randD = rand.nextInt((maxP - minP + 1) + minP) * -1;
randA = "bval";// + String.valueOf(rand.nextInt((max - min + 1) + min));
randB = "aval";// + String.valueOf(rand.nextInt((max - min + 1) + min));
randC = "cval";// + String.valueOf(rand.nextInt((max - min + 1) + min));
}
sampleGroup.add(new Obj(randA, randB, randC, randD));
}
return sampleGroup;
}
public List<ObjGroup> findMatches(List<ObjGroup> unmatchedList) {
List<Obj> pivotPos = unmatchedList.get(0).getObjs(); //First grouping are positives
List<Obj> pivotNeg = unmatchedList.get(1).getObjs(); //Second grouping are negatives
List<ObjGroup> matchedList = new ArrayList<ObjGroup>();
long iterations = 0;
Collections.sort(pivotPos);
Collections.sort(pivotNeg, Collections.reverseOrder());
for (Iterator<Obj> iteratorPos = pivotPos.iterator(); iteratorPos.hasNext();) {
final Obj focus = iteratorPos.next();
iteratorPos.remove(); //Remove this once pulled as you won't match it again.
for (Iterator<Obj> iteratorNeg = pivotNeg.iterator(); iteratorNeg.hasNext();) {
final Obj candidate = iteratorNeg.next();
if (compare(focus, candidate)) {
matchedList.add(new ObjGroup(new ArrayList<Obj>() {
{
add(focus);
add(candidate);
}
}));
iteratorNeg.remove(); //Remove this once matched as you won't match it again.
break;
}
iterations ++;
}
iterations ++;
}
return matchedList;
}
我针对4,000,000个伪随机Obj
对象的样本大小运行此操作。这是我的输出:
Starting matching test.
18481512007 iterations.
3979042 matched objects.
10479 unmatched objects.
Processing time: 44 minutes.
There were 1989521 number of matches found.
Closing matching test.