[英]Subset sum (dynamic programming) in Python - complexity problem
我对解决 Python 中子集总和问题的函数的某些实现有问题。
我们这里有动态规划,所以复杂度应该是多项式的。
问题是如果集合的大小线性增长并且数字的大小也线性增长(当然它不是数字的对数)那么代码执行时间会呈指数增长。
我的猜测是这可能是由于特定的实现。 有没有可能以某种方式改进它?
Python中的代码:
def subsetsum(array,num):
if num == 0 or num < 1:
return None
elif len(array) == 0:
return None
else:
if array[0] == num:
return [array[0]]
else:
with_v = subsetsum(array[1:],(num - array[0]))
if with_v:
return [array[0]] + with_v
else:
return subsetsum(array[1:],num)
您正在使用 slice 来传递array
后缀,这将制作一个具有线性运行时间的副本。 为避免这种情况,您可以改为传递索引。 另一个优点是索引是可散列的,因此您可以缓存(或memoize )并避免重新计算答案:
from functools import lru_cache
def ssum(array, N):
@lru_cache(maxsize=None)
def subsetsum(idx, num):
if num < 1 or idx >= len(array):
return frozenset()
if array[idx] == num:
return frozenset([idx])
with_v = subsetsum(idx + 1, num - array[idx])
if with_v:
return with_v | frozenset([idx])
else:
return subsetsum(idx + 1, num)
return list(array[i] for i in subsetsum(0, N))
>>> ssum([1,1,2], 4)
[1, 1, 2]
不幸的是,仍然存在复制从后缀获得的答案的成本
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.