Remover de um HashSet falhando após Iterando sobre ele

Question

Eu estou escrevendo um algoritmo de agrupamento aglomerativo em java e tendo problemas com uma operação de remoção. Parece sempre falham quando o número de clusters atinge metade do número inicial.

No código de exemplo abaixo, é um clusters Collection<Collection<Integer>>.

      while(clusters.size() > K){
           // determine smallest distance between clusters
           Collection<Integer> minclust1 = null;
           Collection<Integer> minclust2 = null;
           double mindist = Double.POSITIVE_INFINITY;

           for(Collection<Integer> cluster1 : clusters){
                for(Collection<Integer> cluster2 : clusters){
                     if( cluster1 != cluster2 && getDistance(cluster1, cluster2) < mindist){
                          minclust1 = cluster1;
                          minclust2 = cluster2;
                          mindist = getDistance(cluster1, cluster2);
                     }
                }
           }

           // merge the two clusters
           minclust1.addAll(minclust2);
           clusters.remove(minclust2);
      }

Depois de algumas corridas através do loop, clusters.remove(minclust2), eventualmente, retorna falso, mas eu não entendo o porquê.

Eu testei este código, criando primeiro 10 clusters, cada um com um número inteiro de 1 a 10. As distâncias são números aleatórios entre 0 e 1. Aqui está a saída depois de adicionar algumas declarações println. Após o número de clusters, eu imprimir os clusters reais, a operação de fusão, e o resultado de clusters.remove (minclust2).

Clustering: 10 clusters
[[3], [1], [10], [5], [9], [7], [2], [4], [6], [8]]
[5] <- [6]
true
Clustering: 9 clusters
[[3], [1], [10], [5, 6], [9], [7], [2], [4], [8]]
[7] <- [8]
true
Clustering: 8 clusters
[[3], [1], [10], [5, 6], [9], [7, 8], [2], [4]]
[10] <- [9]
true
Clustering: 7 clusters
[[3], [1], [10, 9], [5, 6], [7, 8], [2], [4]]
[5, 6] <- [4]
true
Clustering: 6 clusters
[[3], [1], [10, 9], [5, 6, 4], [7, 8], [2]]
[3] <- [2]
true
Clustering: 5 clusters
[[3, 2], [1], [10, 9], [5, 6, 4], [7, 8]]
[10, 9] <- [5, 6, 4]
false
Clustering: 5 clusters
[[3, 2], [1], [10, 9, 5, 6, 4], [5, 6, 4], [7, 8]]
[10, 9, 5, 6, 4] <- [5, 6, 4]
false
Clustering: 5 clusters
[[3, 2], [1], [10, 9, 5, 6, 4, 5, 6, 4], [5, 6, 4], [7, 8]]
[10, 9, 5, 6, 4, 5, 6, 4] <- [5, 6, 4]
false

A do [10, 9, 5, 6, 4, 5, 6, 4, ...] definido apenas cresce infinitamente de lá.

Editar:. Para esclarecer, eu estou usando um HashSet<Integer> para cada cluster em clusters (a HashSet<HashSet<Integer>>)

Answer 1

Ah. Quando você altera um valor que já está em um Set (ou uma chave Map), então não é necessariamente os códigos de posição e hash certas serão armazenados em cache. Você precisa removê-lo, alterá-lo e, em seguida, insira-o novamente.

Answer 2

No teste mostrado, o remove falhar na primeira vez que você tentar remover uma coleção que contém mais de um Integer. É este sempre o caso?

Qual é o tipo concreto da coleção usado?

Answer 3

O problema óbvio que há que clusters.remove provavelmente está usando equals para encontrar o elemento para remover. Infelizmente equals em coleções geralmente compara se os elementos são os mesmos, ao invés de se é a mesma coleção (eu acredito C # faz uma escolha melhor a este respeito).

AN reparo fácil é criar clusters como Collections.newSetFromMap(new IdentityHashMap<Collection<Integer>, Boolean>()) (eu acho).