使用 Java Streams 对整数幂集进行运算答案

【问题标题】：Using Java Streams to operate on an integer power set使用 Java Streams 对整数幂集进行运算
【发布时间】：2018-03-24 19:05:26
【问题描述】：

我正在从原始集 (Set<Integer>) 生成一个功率集 (Set<Set<Integer>>)。

即{1, 2, 3} -> { {}, {1}, {2}, {3}, {1,2}, {2,3}, {1,3}, {1,2,3} }

然后我使用isClique(Set<Integer>) 方法，如果给定集合是我正在使用的邻接矩阵中的clique，则返回布尔值。

我想使用 java 流来并行化这个操作并返回最大的子集，它也是一个 clique。

我在想这样的事情，但是我想出的每个变体都会导致各种编译错误。

Optional result = powerSet.stream().parallel().
    filter(e ->{return(isClique(e));}).
    collect(Collectors.maxBy(Comparator Set<Integer> comparator));

我要么得到：

MaxClique.java:86: error: incompatible types: Stream<Set<Integer>> cannot be converted to Set<Integer>
    currentMax = powerSet.stream().parallel().filter(e -> { return (isClique(e));});//.collect(Collectors.maxBy(Comparator <Set<Integer>> comparator));

或与比较器相关的东西（我不确定我做得是否正确）。

请指教，谢谢。

【问题讨论】：

Comparator Set<Integer> comparator - 这似乎不是有效的 Java 代码。
这可能是一个很好的问题，但我们需要更多关于您想要实现的目标的详细信息，并为每个不同的错误消息显示产生它的代码。就目前而言，这还不清楚，因此离题了。
转换使用的类型错误。

标签： java parallel-processing set java-stream powerset

【解决方案1】：

你有一些语法问题。但除此之外，您可以使用以下方法计算相同的可选：

Optional<Set<Integer>> result = powerSet.stream().parallel()
    .filter(e -> isClique(e))
    .collect(
       Collectors.maxBy(
           (set1, set2) -> Integer.compare(set1.size(), set2.size())
       )
    );

这是根据您的条件进行过滤，然后根据比较设置大小的比较器提取最大值。

【讨论】：

您可以将(set1, set2) -> Integer.compare(set1.size(), set2.size()) 简化为Comparator.comparing(Set::size) 或更好的Comparator.comparingInt(Set::size)。
@Aominè 太酷了……没想到。感谢您的提示！
谢谢！这就像一个魅力！还要感谢@Aominè，巧妙的把戏！

【解决方案2】：

您的主要问题是比较器使用了错误的语法。相反，您需要以下内容：

Optional<Set<Integer>> resultSet = 
                    powerSet.stream()
                            .parallel()
                            .filter(e -> isClique(e))
                            .max(Comparator.comparingInt(Set::size));

注意使用max 方法而不是maxBy，这是因为maxBy 通常用作下游收集器。事实上，它存在的真正动机是用作下游收集器。

另外，请注意使用Optional<Set<Integer>> 作为接收器类型，而不是Optional，如示例代码sn-p 中所示。后者是原始类型，除非别无选择，否则应避免使用它们。

最后但并非最不重要的一点是，如果您还没有这样做，那么我建议您先尝试按顺序执行代码，如果您认为可以从并行流中受益，那么您可以继续使用当前方法。

【讨论】：