C++ 一种有效的多表置换算法
我有一个可变数量的列表。每个包含不同数量的元素 比如说有四个名单,C++ 一种有效的多表置换算法,c++,algorithm,combinations,C++,Algorithm,Combinations,我有一个可变数量的列表。每个包含不同数量的元素 比如说有四个名单, array1 = {1, 2, 3, 4}; array2 = {a, b, c}; array3 = {X}; array4 = {2.10, 3.5, 1.2, 6.2, 0.3}; 我需要找到所有可能的元组,其第I个元素来自第I个列表,例如,{1,a,X,2.10},{1,a,X,3.5} 目前我使用的是一个递归实现,它存在性能问题。因此,我想找到一种非迭代的方法,可以执行得更快 有什么建议吗?是否有任何有效的算法(或一
array1 = {1, 2, 3, 4};
array2 = {a, b, c};
array3 = {X};
array4 = {2.10, 3.5, 1.2, 6.2, 0.3};
我需要找到所有可能的元组,其第I个元素来自第I个列表,例如,{1,a,X,2.10},{1,a,X,3.5}
目前我使用的是一个递归实现,它存在性能问题。因此,我想找到一种非迭代的方法,可以执行得更快
有什么建议吗?是否有任何有效的算法(或一些伪代码)。谢谢
到目前为止我实现的一些伪代码:
重复版本:
vector<size_t> indices; // store current indices of each list except for the last one)
permuation (index, numOfLists) { // always called with permutation(0, numOfLists)
if (index == numOfLists - 1) {
for (i = first_elem_of_last_list; i <= last_elem_of_last_list; ++i) {
foreach(indices.begin(), indices.end(), printElemAtIndex());
printElemAtIndex(last_list, i);
}
}
else {
for (i = first_elem_of_ith_list; i <= last_elem_of_ith_list; ++i) {
update_indices(index, i);
permutation(index + 1, numOfLists); // recursive call
}
}
}
vector<size_t> indices; // store current indices of each list except for the last one)
permutation-iterative(index, numOfLists) {
bool forward = true;
int curr = 0;
while (curr >= 0) {
if (curr < numOfLists - 1){
if (forward)
curr++;
else {
if (permutation_of_last_list_is_done) {
curr--;
}
else {
curr++;
forward = true;
}
if (curr > 0)
update_indices();
}
}
else {
// last list
for (i = first_elem_of_last_list; i <= last_elem_of_last_list; ++i) {
foreach(indices.begin(), indices.end(), printElemAtIndex());
printElemAtIndex(last_list, i);
}
curr--;
forward = false;
}
}
}
向量索引;//存储每个列表的当前索引(最后一个除外)
置换(索引,numOfLists){//始终使用置换(0,numOfLists)调用
if(index==numOfLists-1){
for(i=最后一个列表的第一个元素;i 0)
更新_索引();
}
}
否则{
//最后名单
对于(i=最后一个列表的第一个元素;i有O(l^n)
1个不同的元组,其中l
是列表的大小,n
是列表的数量
因此,不能通过多项式有效地生成所有这些函数
可能会有一些局部优化,但我怀疑迭代和(高效)递归之间的切换是否会有很大的不同,特别是如果迭代版本试图使用堆栈+循环模拟递归解决方案,这可能比硬件堆栈优化得更少
一种可能的递归方法是:
printAll(list<list<E>> listOfLists, list<E> sol):
if (listOfLists.isEmpty()):
print sol
return
list<E> currentList <- listOfLists.removeAndGetFirst()
for each element e in currentList:
sol.append(e)
printAll(listOfLists, sol) //recursively invoking with a "smaller" problem
sol.removeLast()
listOfLists.addFirst(currentList)
printAll(列表列表、列表sol):
if(listOfLists.isEmpty()):
印刷溶胶
返回
list currentList有O(l^n)
1个不同的元组,其中l
是列表的大小,n
是列表的数量
因此,不能通过多项式有效地生成所有这些函数
可能会有一些局部优化,但我怀疑迭代和(高效)递归之间的切换是否会有很大的不同,特别是如果迭代版本试图使用堆栈+循环模拟递归解决方案,这可能比硬件堆栈优化得更少
一种可能的递归方法是:
printAll(list<list<E>> listOfLists, list<E> sol):
if (listOfLists.isEmpty()):
print sol
return
list<E> currentList <- listOfLists.removeAndGetFirst()
for each element e in currentList:
sol.append(e)
printAll(listOfLists, sol) //recursively invoking with a "smaller" problem
sol.removeLast()
listOfLists.addFirst(currentList)
printAll(列表列表、列表sol):
if(listOfLists.isEmpty()):
印刷溶胶
返回
list currentList向我们展示您自己的实现,以便我们对其进行评论。这个问题的复杂性无法降低(正如amit在回答中指出的)。你应该对你的代码进行一些分析,以确定性能瓶颈。另外,你的列表实际有多大?你有多少个?@AnoopVaidya:我有一个**变量**的列表数。
我给出了一个答案,在短短1分钟的两次否决票中,我的答案与此类似,说去循环…@AnoopVaidya:我没有不要投反对票,但你的答案声称“使用4个循环”,而OP明确表示列表的数量可变。这并不是说不能使用循环,但绝对不能使用你建议的答案。向我们展示你自己的实现,以便我们对其进行评论。这个问题的复杂性无法降低(正如amit在回答中指出的)。你应该对你的代码进行一些分析,以确定性能瓶颈。另外,你的列表实际有多大?你有多少个?@AnoopVaidya:我有一个**变量**的列表数。
我给出了一个答案,在短短1分钟的两次否决票中,我的答案与此类似,说去循环…@AnoopVaidya:我没有不要投反对票,但你的答案是“使用4个循环”,而OP明确表示列表的数量是可变的。这并不是说它不能用循环来完成,但肯定不能用你建议的答案来完成。谢谢你的答案。从我通过分析发现,迭代实现可能会有很大的开销。这是我的猜测,也是我开始重新实现这段代码的原因.我设法完成了一个版本,但对结果不满意。我想,一定有一些“教科书”这类问题的经典算法。如果你能指出的话,那就太好了。@Orunner:我为这个问题添加了经典的递归方法。我在需要时使用了非常类似的方法。请注意,复杂性确实如我所提到的。当然,生成元组可以高效地完成,就像它可以低效地完成一样不可能。不能做的是推导出一个复杂度低于问题复杂度的算法。@HighPerformanceMark:在文献中“有效”=“多项式”。我在说“有效”时是指这个术语在此上下文中。@HighPerformanceMark,谢谢您的回答。我不是在问一个复杂度低于此问题复杂度的算法。我在搜索一个执行“高效”的算法。谢谢你的回答。从分析中我注意到,迭代实现可能会有很大的开销。这是我的猜测,也是我开始重新实现这段代码的原因。我设法完成了一个版本,但对结果不满意。我想,一定有一些“教科书”这类问题的经典算法。如果你能指出的话,那就太好了。@Orunner:我为这个问题添加了经典的递归方法。我在需要时使用了非常类似的方法。请注意,复杂性确实如我所提到的。当然,生成元组可以高效地完成,就像它可以低效地完成一样不可能。不能做的是推导出一个复杂度低于问题复杂度的算法。@HighPerformanceMark:在文献中“有效”=“多项式”。我在说“有效”时是指这个术语在此上下文中。@HighPerformanceMark,谢谢您的回答。我不是在问一个复杂度低于此问题复杂度的算法。我是在搜索一个执行“高效”的算法。