Question

我正在尝试标记多个numpy向量（矩阵 M ），以便标签显示Pareto前沿索引。

例如，非支配的向量集（v0）将使用帕累托前沿索引{{1}}进行标记，非主导向量的集合 v1 （< em> v1 = M - v0 ）将标记为索引0，非支配向量的下一个集合/前沿 v2 （ v2 = M - v0 - v1 ）1等等，直到矩阵 M 的所有向量都被标记。

我已经将一些测试用例放在一起了，但无论我想出什么，要么效率极低（目前不太在意）或者只是不起作用。

向量 x 支配 y 如果foreach a in x，b in y：a＆gt; = b AND至少存在一个 a 在 x 中 a＆gt; B'/ em>的

这是我的尝试：

mat1 = np.asarray([ [1, 2, 3, 4, 5, 7], [1, 2, 3, 4, 5, 6], [1, 2, 3, 4, 5, 6], ]) calc_fronts(mat1) == [0, 1, 1] mat2 = np.asarray([ [1, 2, 3, 4, 5, 7], [1, 2, 3, 4, 5, 6], [1, 22, 3, 4, 5, 6], ]) calc_fronts(mat2) == [0, 1, 0] mat3 = np.asarray([ [1, 2, 3, 4, 5, 7], [1, 2, 3, 4, 5, 5], [1, 2, 2, 4, 5, 4], ]) calc_fronts(mat3) == [0, 1, 2] mat4 = np.asarray([ [0, 2, 3, 4, 5, 7], [1, 2, 3, 4, 5, 6], [1, 22, 2, 4, 5, 6], ]) calc_fronts(mat4) == [0, 0, 0]

Answer 1

这是我非常沉重的尝试，希望能给出一些新的想法。虽然要注意创建了一个（m，m，n）临时数组（当M为（m，n）形状时）。

import numpy as np

def calc_fronts(M):
    i_dominates_j = np.all(M[:,None] >= M, axis=-1) & np.any(M[:,None] > M, axis=-1)
    remaining = np.arange(len(M))
    fronts = np.empty(len(M), int)
    frontier_index = 0
    while remaining.size > 0:
        dominated = np.any(i_dominates_j[remaining[:,None], remaining], axis=0)
        fronts[remaining[~dominated]] = frontier_index

        remaining = remaining[dominated]
        frontier_index += 1
    return fronts

演示：

In [217]: M = np.array([[ 0, 18,  1],
     ...:               [ 4,  8, 11],
     ...:               [ 3, 19,  3],
     ...:               [18,  1, 19],
     ...:               [16,  7, 13],
     ...:               [ 3, 18,  3],
     ...:               [15, 13, 19],
     ...:               [13,  5, 13],
     ...:               [ 2, 16, 16],
     ...:               [ 9, 14, 17]])

In [218]: calc_fronts(M)
Out[218]: array([2, 1, 0, 0, 0, 1, 0, 1, 0, 0])

使用numpy的{Pareto前沿指数

1 个答案: