Haskell 使用Data.Memo组合器实现编辑距离算法
假设我想实现(编辑距离)的常用动态规划算法。很容易得出递归:Haskell 使用Data.Memo组合器实现编辑距离算法,haskell,memoization,levenshtein-distance,Haskell,Memoization,Levenshtein Distance,假设我想实现(编辑距离)的常用动态规划算法。很容易得出递归: editDistance [] ys = length ys editDistance xs [] = length xs editDistance (x:xs) (y:ys) | x == y = editDistance xs ys | otherwise = minimum [ 1 + editDistance xs (y:ys), 1 + editDistance (x:xs) ys,
editDistance [] ys = length ys
editDistance xs [] = length xs
editDistance (x:xs) (y:ys)
| x == y = editDistance xs ys
| otherwise = minimum [
1 + editDistance xs (y:ys),
1 + editDistance (x:xs) ys,
1 + editDistance xs ys]
这会受到指数级运行时间的影响,因此有必要对函数进行记忆。我想通过使用Data.Memo组合器来实现这一点,我已经尝试了几种方法。以下是我目前的尝试:
import qualified Data.MemoCombinators as M
memLength str =
M.wrap
(\i -> drop i str)
(\xs -> length str - length xs)
(M.arrayRange (0,length str))
elm xs ys = (M.memo2 memListx memListy editDistance) xs ys
where
memListx = memLength xs
memListy = memLength ys
然而,回忆录似乎没有任何效果,尽管我希望任何回忆录都能显著提高运行时间,因为它至少是多项式的。我的实现有什么问题?如何在尽可能保留编辑距离的高级别定义的同时获得正常运行时间 如果您发布的代码实际上是您正在做的,那么您是做错了!:-)。如果要记忆递归函数,则需要将对递归版本的调用回调到记忆版本中。例如:
editDistance (x:xs) (y:ys)
| x == y = elm xs ys
| ...
否则,您将执行完整的递归计算并仅存储最终结果。您需要存储中间结果
这里还有一个问题。elm的memo表不应该依赖于它的参数(理想情况下,您甚至不应该提及参数,因此您不应该依赖于编译器是否足够聪明来找出依赖项)。如果memo表依赖于参数,那么您必须为每个不同的参数构建一个新表,并且我们需要为所有参数共享一个表。你可以尝试一些愚蠢的事情,比如对论点的整个结构进行记忆:
elm = M.memo2 (M.list M.char) (M.list M.char)
看看这是否加快了速度(结合前一个技巧)。然后,您可以继续尝试使用长度而不是整个列表结构来获得额外的提升
希望有帮助。你难道不知道吗,这实际上就是问题所在,现在看来很明显=D。