[英]Subset sum (dynamic programming) in Python - complexity problem
我對解決 Python 中子集總和問題的函數的某些實現有問題。
我們這里有動態規划,所以復雜度應該是多項式的。
問題是如果集合的大小線性增長並且數字的大小也線性增長(當然它不是數字的對數)那么代碼執行時間會呈指數增長。
我的猜測是這可能是由於特定的實現。 有沒有可能以某種方式改進它?
Python中的代碼:
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 來傳遞array
后綴,這將制作一個具有線性運行時間的副本。 為避免這種情況,您可以改為傳遞索引。 另一個優點是索引是可散列的,因此您可以緩存(或memoize )並避免重新計算答案:
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,仍然存在復制從后綴獲得的答案的成本
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.