Question

我正在尝试对拓扑排序进行矢量化以便更快地运行其中一部分是带有嵌套while的{{1}}。我在矢量化方面遇到了麻烦。这个功能的想法是托管相互依赖的任务

这是我到目前为止的代码：

for

这是一个相互依赖的任务列表，可以使用函数进行排序：

tsort <- function(deps) {
  nm <- names(deps)
  libs <- union(as.vector(unlist(deps)), nm)
  s <- c()
  s <- unlist(lapply(libs,function(x){
    if(!(x %in% nm)) {
      s <- c(s, x)
    }
  }))
  k <- 1
  while(k > 0) {
    k <- 0
    for(x in setdiff(nm, s)) {
      r <- c(s, x)
      if(length(setdiff(deps[[x]], r)) == 0) {
        s <- r
        k <- 1
      }
    }
  }
  if(length(s) < length(libs)) {
    v <- setdiff(libs, s)
    stop(sprintf("Unorderable items :\n%s", paste("", v, sep="", collapse="\n")))
  }
  s
}

我想要矢量化的部分是：

tasks <- list(
"seven" = c("eight", "nine", "ten", "seven", "five", "one", "eleven", "two"),
"one" = c("two", "one", "three", "four"),
"five" = c("two", "five", "three"),
"six" = c("eight", "nine", "three", "six", "five", "one", "two", "four"),
"twelve" = c("twelve", "two", "one", "three", "four"),
"thirteen" = c("thirteen", "two", "three"),
"fourteen" = c("fourteen", "two", "three"),
"fifteen" = c("two", "three"),
"three" = c("two", "three"),
"four" = c("two", "four"),
"eleven" = c("eight", "two"),
"ten" = c("two", "ten"),
"nine" = c())

我发现很难将函数的主要部分向量化，其中我有一个k <- 1 while(k > 0) { k <- 0 for(x in setdiff(nm, s)) { r <- c(s, x) if(length(setdiff(deps[[x]], r)) == 0) { s <- r k <- 1 } } }和一个for

Answer 1

首先，请查看包含函数igraph的包topological.sort()。它提供了更多功能来处理图形，并且每个需要进行拓扑排序的问题通常都可以用图表重新表示。

我不完全确定您的代码是否正确排序。你有两个循环级别：内部循环遍历所有x，这些x是以nm为单位但不是s。外部循环是一个while循环，并再次启动该过程。

每次通过内部循环时，都会考虑先前传递的结果。这导致了一个有趣的结果：而＃13;十三＆＃34;，＆＃34;十四＆＃34;和＆＃34;十五＆＃34;不包含与＆＃34;五＆＃34;的连接或者＆＃34;一个＆＃34;和＆＃34;六＆＃34;是的，＆＃34;六＆＃34;仍然在拓扑之前排序在另一个之前。这是因为＆＃34;六＆＃34;在＆＃34; one＆＃34;之后添加和＆＃34;五＆＃34;，但在同一个循环中。

此行为 - 如果正确 - 无法以任何方式进行矢量化。但是，据我所知，＆＃34;十三＆＃34;，＆＃34; forteen＆＃34;和＆＃34;十五＆＃34;应该在＆＃34; six＆＃34;之前而不是之后排序。

这就是说，你对你感兴趣的部分有一个非常简单的矢量化：

   s <- unlist(lapply(libs,function(x){
     if(!(x %in% nm)) {
       s <- c(s, x)
     }
  }))

实际上只是s <- setdiff(libs,nm)。此外，您在那里执行的任务没有意义，因为来自s的{{1}}是在s <- c(s,x)的本地环境中创建的，并且对外部{lapply没有任何影响1}}。它所做的全部与s完全相同。

如果您想以这样的方式进行矢量化，请执行以下操作：

遍历尚未在解决方案中的所有名称，并检查他们的集合是否涵盖解决方案中的所有内容
将此为TRUE的名称添加到解决方案
重复，直到所有名称都在解决方案中

您可以使用以下代码。请注意我如何预先分配内存空间来保存解决方案。这种预分配可以节省大量的内存操作。 R中的对象越来越多，就像在代码中一样，正在浪费资源。

另请注意，我的代码会根据您的代码提供不同的顺序，原因如上所述。

invisible(x)

用lapply向量化嵌套循环

1 个答案: