Java dna序列根据汉明距离的错误阈值生成对应哈希值 hashcode

Question

问题遇到的现象和发生背景

例如，假设我们处理的是16个字符的DNA序列，其中每个字符只能是A、C、T或G。
给定一个DNA序列 "ACGTGTAC "和一个最多两个字符的错误阈值，我们会考虑另一个DNA序列, 认为另一个DNA序列 "ACCTGTAT "是类似的。考虑到这两个序列的相似性，我们最好为它们生成相同的哈希码，并将它们放在哈希图的同一个桶中。

如果我们使用hashmap的典型方法，这两个文件会产生不同的哈希码，并因此会被放置在哈希姆普的不同桶中。因此，总体目标是最大限度地提高类似对象之间的碰撞对象之间的碰撞最大化，同时使不相似的对象之间的碰撞最小化。

运行: 导入包含10000个独特的16个字符的DNA序列的字符串来生成hashmap。例如: CTAGATGTGTAGATGG 请注意，一个序列中只允许有4个可能的字符（A、C、T、G）。
你可以假设在所有的测试案例中，它总是16个字符的DNA序列。

要如何在不参照之前的序列情况下修改hashCode()方法来达到以上的目的？

以下是对应的java代码，修改hashCode()

public class DNASequence {

    private String sequence;

    public DNASequence(String sequence) {
        this.sequence = sequence;
    }

    public String getSequence(){
        return sequence;
    }

    public String toString() {
        return sequence;
    }

    public int hashCode() {
        //在这里修改生成方法
    }

Answer 1

我提供另一个思路: 找出所有相似的(误差2个字母以内)的序列, 遍历10000个序列,
第一个序列需要和剩下的9999个序列比较, 第二个序列需要和剩下的9998个序列比较, 第三个序列需要和剩下的9997个序列比较,
效率可能有点慢, 但是可以实现你的需求,
但是这个方法比较绝对, 无法实现你说的: "提高类似对象之间的碰撞对象之间的碰撞最大化，同时使不相似的对象之间的碰撞最小化。"