cost 103 ms
动态生成n维超立方体m面列表的算法 - Algorithm to dynamically generate m-face list for n-dimensional hypercube

我正在尝试设计一种算法,给定n 、 m和vertices (其中n = 超立方体的维数, m = 我们要生成的面的维数,而vertices是顶点的有序列表一个n维超立方体),返回一个包含 arrays 个顶点的数组,表示 n维超立方体中的 m 个面。 这可能是一种令人困惑的措辞方式,所以这里有几个例 ...

在 Python 中获取 Hybercubes 的所有完美匹配 - Get all perfect matchings of Hybercubes In Python

我正在研究超立方体。 我目前在 python 中使用networX 。 我读到 networkX 是一个非常好的图形库。 我的问题是 1)我想构造超立方体Q4和Q5的所有完美匹配。 2)然后我想验证所有完美匹配总是扩展到超立方体的哈密顿循环? PS:它已经证明了超立方体中的所有完美匹配总是 ...

r-每个变量具有不同数量级别的拉丁超立方体采样 - r - Latin hypercube sampling with varying number of levels per variable

我做了一些挖掘,但是对于拉丁超立方体采样的概念我还是很陌生。 我找到了使用lhs pacakge的示例 : 据我了解,结果矩阵中的条目是5个点的坐标,这些坐标将用于确定两个连续变量的组合。 我正在尝试使用5个类别变量进行仿真。 每个变量的级别数范围为2到5。这导致2 x 3 x ...

建立有向多重图(Python) - Building a directed multigraph (Python)

可以说我得到一个列表,该列表表示相邻节点的权重。 多重图形的形状像超立方体。 节点将通过其坐标命名为二进制字符串。 恩n=3例子 我想按以下方式从两个列表中构建一个字典:我们从000开始,以bin_string字典顺序(如bin_string ),使所有节点的边缘多一个1。 ...

椭球置信区域的均匀采样 - uniform sampling from a ellipsoidal confidence region

我有一个4维椭球,我想从中均匀绘制样本。 我想到了一种在椭球周围使用超立方体的方法。 我们可以从中抽取一个样本,并检查它是否在椭球中。 但是超立方体和椭球在四个维度上的体积比为0.3。 那意味着我只有30%的成功率。 由于我的算法存在速度问题,因此我不想使用这种方法。 我也一直在看逆 ...

4D到3D透视投影 - 4D to 3D perspective projection

我正在尝试计算3D世界中4D点的位置。 我从2D开始,尝试将其扩展到3D,然后扩展到4D。 首先,我发现它很容易计算2D点在直线上的投影位置。 现在我发现,如果我将P(X,Y,Z)拆分为P1(X,Z)和P2(Y,Z),计算它们的Q,然后建立一个点,则在3D世界中同样适用P'(Q1, ...

Python-n维立方体的角坐标 - Python - corner coordinates of n-dimensional cube

我正在尝试从每个维度的最小值和最大值列表中获取n维立方体的坐标。 我可以使用for循环获得优势,但我想概括任何尺寸。 因此,例如: 将给出坐标: 这实际上是通过两个列表查找所有路径,并从每个列表的一个列表中选择一个值。 我见过给出路径数或最快路径的算法,但是我还没有找到 ...

Hadoop Hypercube - Hadoop Hypercube

嗨,我要开始使用具有弹性尺寸的基于hadoop的超立方体。 有谁知道任何现有的方法吗? 我刚刚找到PigOLAPSketch ,但是没有代码可以使用它。 另一种方法是lastfm的Zohmg,它使用hbase,但似乎已经死了。 我想我将开始提供解决方案,也许您有一些建议? ...

定向超立方体的领导者选举算法 - A leader election algorithm for an oriented hypercube

我遇到了必须为定向超立方体设计领导者选举算法的问题。 这应该通过使用具有等于超立方体尺寸D的回合数的锦标赛来完成。 在每个阶段d中,在1 <= d <D的情况下,相邻d维超立方体的两个候选领导者应竞争成为(d + 1)维超立方体的单个候选领导者,这是它们各自超立方体的并集。 ...

如何使用MPI_CART将过程映射到Hypercube - How-to map process to an Hypercube using MPI_CART

我正在尝试为2 ^ n个处理器使用MPI进行双调排序。 为了方便起见,我想使用n维超立方体 。 使用MPI_Cart_Create,我可以创建自组织维度。 这样做将最大程度地提高我的流程效率,并减少完成该流程所必须吐出的LOC数量。 谷歌搜索和文学总是说同样的事情: 注 ...


 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM