首先,这是我的设置:
x
是一个n x 1
向量,包含第一个成本函数的值。 y
是另一个n x 1
向量,包含第二个成本函数的值。a
是一个m x 1
向量,包含要检查的x
和y
索引,用于有选择地从算法中排除值。除非需要,否则可以将其替换为1:n
。(x,y)
都是唯一的。任务是找到pareto最佳值对(x,y)
,即所有未被支配的对。如果存在另一对(u,v)
,u <= x && v <= y
并且这些比较中的一个是严格的,那么一对被称为支配:u < x || v < y
。换句话说,如果另一对在一个值中更好而在另一个值中没有更差,则一对占主导地位。
到目前为止,我的研究已经产生了三种工作算法,遗憾的是它们都依赖于循环。以下是他们的工作方式以及我使用x
,y
和a
长1e8
来运行它们的时间:
- 按升序排序
x
。将第一对添加到帕累托集中。- 循环浏览
醇>x
。将每对添加到pareto集合中,其中y
低于之前的pareto对y
。经过的时间是80.204052秒。
- 查找
min(x)
。将该对添加到帕累托集中。- 选择
y
低于之前添加的对y
的所有对。- 转到第1步,除非第2步导致空集。
醇>经过的时间是2.993350秒。
- 遍历所有对
(x,y)
。- 使用
醇>(u,v)
删除所有对x >= u && y >= v
。经过的时间是105.924814秒。
现在我要做的是创建一个矢量化算法。它不必基于上述之一,但我无法找到任何其他工作算法。我能做的最好的就是:
ap = a(y < min(y(x == min(x))) | x < min(x(y == min(y))));
通常会找到所有帕累托最优对,但包括min(x)
或min(y)
中不由该对支配的所有对,即使一个支配另一个。我通常说,因为如果只有一个全局最优对支配其他每一对,那么它完全失败了。用<
替换<=
可以解决第二个问题,但找到更多支配对(那些只有一个更差值的对)。我也通过与上面相同的计时器来运行它:
经过的时间是0.800385秒。
这是我用来检查算法如何运行的测试脚本,随时可以使用
for i=1:25
x = randi(8,10,1);
y = randi(8,10,1);
a = 1:10;
ap = a(y < min(y(x == min(x))) | x < min(x(y == min(y)))); %// algorithm here
figure(1);
subplot(5,5,i);
plot(a,x,'b',a,y,'r',ap,x(ap),'b.',ap,y(ap),'r.','MarkerSize',20);
axis([0,11,0,9]);
set(gca,'XGrid','on','YGrid','on','XTick',1:10,'YTick',0:8);
figure(2);
subplot(5,5,i);
plot(x,y,'b.',x(ap),y(ap),'ro','MarkerSize',10);
axis([0,9,0,9]);
end
答案 0 :(得分:1)
所以,如果速度是主要特征(在正确性之后),那么我发现更快的循环版本的递归版本要快30%以上:
>> testPareto(1e8);
Recursive:
Elapsed time is 4.507267 seconds.
Loop:
Elapsed time is 6.136856 seconds.
Vector:
Elapsed time is 7.246806 seconds.
同样,时间取决于机器,甚至可能取决于matlab的版本。这是代码:
function testPareto(dim)
x = rand(dim, 1);
y = rand(dim, 1);
tic;
rR = paretoRecursive(x, y);
disp('Recursive:');
toc;
tic;
rL = paretoLoop(x, y);
disp('Loop:');
toc;
tic;
rV = paretoVector(x, y);
disp('Vector:');
toc;
end
function result = paretoLoop(x, y)
result = zeros(numel(x), 2);
off = 1;
loop = true;
while loop
xmin = min(x);
ymin = min(y(x == xmin));
yfilter = y < ymin;
result(off, :) = [xmin ymin];
off = off + 1;
if any(yfilter)
x = x(yfilter);
y = y(yfilter);
else
loop = false;
result(off:end, :) = [];
end
end
end
function result = paretoRecursive(x, y)
xmin = min(x);
ymin = min(y(x == xmin));
yfilter = y < ymin;
if any(yfilter)
result = [xmin ymin; paretoRecursive(x(yfilter), y(yfilter))];
else
result = [xmin ymin];
end
end
function result = paretoVector(x, y)
xmin = min(x);
xfilter = x == xmin;
ymin = min(y(xfilter));
yfilter = y < ymin;
if any(yfilter)
[x, ind] = sort(x(yfilter));
y = y(yfilter);
y = y(ind);
yfilter = [true; y(2:end) < cummin(y(1:end-1))];
result = [xmin x(yfilter)'; ymin y(yfilter)']';
else
result = [xmin ymin];
end
end