Question

我正在编写一个分子动力学程序，该程序需要吸收一个分子中的原子并找到它们可能键合的方式。为此，我有一个Atom对象向量，并使用以下算法生成组合对：

    void CombinationKN(std::vector<std::vector<int>> &indices, int K, int N) {
        std::string bitmask(K, 1);
        bitmask.resize(N, 0);

        do {
            /* This loop takes forever with larger N values (approx. 3000) */
            std::vector<int> indexRow;

            for (int i = 0; i < N; i++)
            {
                if (bitmask[i]) indexRow.push_back(i);
            }

            indices.push_back(indexRow);
        } while (std::prev_permutation(bitmask.begin(), bitmask.end()));
    }

这是一种简单的N选择K算法（即返回的索引可以包含（1，2），但不能包含（2，1）），在我的情况下，N是分子中的原子数，而K是2。 / p>

然后我像这样调用算法：

void CalculateBondGraph(const std::vector<Atom *> &atoms, std::map<int, 
    std::map<int, double>> &bondGraph, ForceField *forceField) {
    int natoms = atoms.size();

    std::vector<std::vector<int>> indices;

    utils::CombinationKN(indices, 2, natoms);

    for (auto &v : indices) {
        int i = v[0];
        int j = v[1];

        /*... Check if atoms i and j are bonded based on their coordinates.*/
    }
}

此算法的问题在于，对于具有3000+原子的大分子，它需要永久完成。我曾考虑过将其并行化（特别是与OpenMP并行化），但是即使那样，该工作也仍必须拆分到几个线程中，并且仍然需要大量时间才能完成。我需要一种优化此算法的方法，以便计算组合不会花费很长时间。任何帮助表示赞赏。

谢谢你，维卡斯

Answer 1

如果CombinationKN比K小得多，并且N大，那么{ {1}}比N小得多，否则您将很快耗尽内存。

请注意，每个有效的K都是严格小于N的{{1}}整数的单调递增序列，反之亦然。直接生成这些代码很容易：

index_row

此外，如果您要对这些组合进行的唯一操作是遍历它们，那么就没有理由浪费存储全部列表所需的（可能非常大量的）内存。上述功能包含在需要时从上一个生成下一个的过程。

如何优化这种组合算法？

1 个答案: