Question

我正在尝试使用numpy在Python 2.7中实现一个简单的Markov Chain Monte Carlo。目标是找到“背包问题”的解决方案，其中给定一组具有值vi和重量wi的m个物体，以及具有容纳能力b的袋子，您可以找到可以放入包中的物体的最大价值，以及那些对象是什么。我在夏天开始编码，而且我的知识非常不平衡，所以如果我遗漏了一些明显的东西，我会道歉，我是自学成才并且一直在跳到那里。

系统的代码如下（我把它分成几部分，试图弄清楚出了什么问题）。

import numpy as np
import random


def flip_z(sackcontents): 
    ##This picks a random object, and changes whether it's been selected or not.
    pick=random.randint(0,len(sackcontents)-1)
    clone_z=sackcontents
    np.put(clone_z,pick,1-clone_z[pick])
    return clone_z

def checkcompliance(checkedz,checkedweights,checkedsack):
    ##This checks to see whether a given configuration is overweight
    weightVector=np.dot(checkedz,checkedweights)
    weightSum=np.sum(weightVector)
    if (weightSum > checkedsack):
        return False
    else:
        return True

def getrandomz(length):
    ##I use this to get a random starting configuration.
    ##It's not really important, but it does remove the burden of choice.       
    z=np.array([])
    for i in xrange(length):
        if random.random() > 0.5:
            z=np.append(z,1)
        else:
            z=np.append(z,0)
    return z

def checkvalue(checkedz,checkedvalue):
    ##This checks how valuable a given configuration is.
    wealthVector= np.dot(checkedz,checkedvalue)
    wealthsum= np.sum(wealthVector)
    return wealthsum

def McKnapsack(weights, values, iterations,sack): 
    z_start=getrandomz(len(weights))
    z=z_start
    moneyrecord=0.
    zrecord=np.array(["error if you see me"])
    failures=0.
    for x in xrange(iterations):
        current_z= np.array ([])
        current_z=flip_z(z)
        current_clone=current_z
        if (checkcompliance(current_clone,weights,sack))==True:
            z=current_clone
            if checkvalue(current_z,values)>moneyrecord:
                moneyrecord=checkvalue(current_clone,values)
                zrecord= current_clone
        else:failures+=1
    print "The winning knapsack configuration is %s" %(zrecord)
    print "The highest value of objects contained is %s" %(moneyrecord)

testvalues1=np.array([3,8,6])
testweights1= np.array([1,2,1])

McKnapsack(testweights1,testvalues1,60,2.)

应该发生的情况如下：最大承载能力为2时，应在不同潜在的行李携带配置之间随机切换，其中有2 ^ 3 = 8的测试重量和值我喂它，z中的每一个或零表示具有或不具有给定项目。它应该丢弃具有太多重量的选项，同时跟踪具有最高值和可接受重量的选项。正确的答案是将1,0,1视为配置，其中9为最大值。每当我使用甚至中等量的迭代时，我得到九个值，但配置似乎完全随机，并以某种方式打破了权重规则。我用大量的测试数组仔细检查了我的“checkcompliance”函数，它似乎工作正常。这些错误的超重配置如何通过我的if语句并进入我的zrecord？

Answer 1

诀窍是z（因此current_z以及zrecord）总是指向内存中完全相同的对象。 flip_z通过np.put就地修改此对象。

一旦找到增加moneyrecord的新组合，就会设置对它的引用 - 但是在随后的迭代中，您将继续并在同一参考处更改数据。

换句话说，像

这样的行

current_clone=current_z
zrecord= current_clone

不要复制，它们只为内存中的相同数据制作另一个别名。

解决此问题的一种方法是，一旦您发现它是赢家，就明确复制该组合：

if checkvalue(current_z, values) > moneyrecord:
    moneyrecord = checkvalue(current_clone, values)
    zrecord = current_clone.copy()

在Python中实现蒙特卡罗马尔可夫链时的错误

1 个答案: