所以我必须生成一个单项式向量。这是我针对任意顺序最多进行3维处理的方法:
#include <iostream>
#include <vector>
using namespace std;
int main() {
int dim = 3;
int order = 2;
std::vector<std::vector<int>> powers;
for (int ord = 0; ord <= order; ord++) {
if (dim == 1) {
powers.push_back({ord});
} else if (dim == 2) {
for (int i = 0; i < ord + 1; i++) {
powers.push_back({i, ord - i});
}
} else if (dim == 3) {
for (int i = 0; i < ord + 1; i++) {
for (int j = 0; j < ord + 1 - i; j++) {
powers.push_back({i, j, ord - i - j});
}
}
} else if (dim == 4){
for (int i = 0; i < ord + 1; i++) {
for (int j = 0; j < ord + 1 - i; j++) {
for (int k = 0; k < ord + 1 - i - j; k++) {
powers.push_back({i, j, k, ord - i - j - k});
}
}
}
} else {
// "Monomials of dimension >= 4 not supported."
}
}
cout << "Finished!" << endl;
return 0;
}
现在,我的目标是支持N个维度和第N个单项式订单。关于如何将上面的代码扩展到N维空间的任何想法? 我没有一种简单的方法可以在上面实现。我当时在考虑使用组合运算法,并以某种方式消除多余的术语,但是我不确定速度。
EDIT(预期输出):
对于给定的输入order = 2
和dim = 3
,预期的输出是(按此顺序不是必需的):
000
001
002
010
011
020
100
101
110
200
order = 1
和dim = 3
:
000
001
010
100
以及order = 2
和dim = 2
:
00
01
10
11
02
20
答案 0 :(得分:2)
这是经典的递归函数:
每次您都必须选择当前变量x_1的顺序(让我说i),然后您才能保留阶数为ord的单项式的所有可能性-i在n -1变量上。
(有效的)代码如下:
In [96]: a = np.random.rand(5000,2)
In [97]: d = (a-a[:,None,:])
In [98]: %%timeit
...: valid_mask = ~np.eye(len(a),dtype=bool)
...: out = d[valid_mask]
1 loop, best of 3: 763 ms per loop
In [99]: %%timeit
...: r = np.arange(len(a))
...: valid_mask = r[:,None] != r
...: out = d[valid_mask]
1 loop, best of 3: 767 ms per loop
In [100]: %timeit nodiag_view3D(d).reshape(-1,a.shape[1])
10 loops, best of 3: 177 ms per loop
答案 1 :(得分:1)
Pyrhon递归解决方案
def compose(leng, summ, res):
if leng == 0:
print(res)
return
for i in range(summ + 1):
compose(leng - 1, summ -i, res + str(i) + " ")
compose(3, 2, "")