Question

我正在研究一种在大图像上随机绘制对象的算法。这是我目前拥有的工作流程。

我定义一个表示图像尺寸的空间，并启动一个空数组（restrictList）
使用genLoc函数，我随机选择一个点（x，y）。选取第一个点后，strictList为空。
然后我计算该对象将占据的所有点。这些点添加到数组（restrictList）
然后我再次调用genLoc，以选择另一个随机数（x，y）。如果存在（x，y）是strictList，则该函数将再次调用自身。
这将一直持续到我们选择一个不在限制列表中的随机点为止。

问题如下，随着绘制更多的对象，数组的大小-strictList增加。每次迭代都需要更长的时间来选择有效的随机点。我在这里看到的最大缺陷是，我反复从图像空间中选择一个随机坐标，从而浪费了处理能力。我尝试的一种替代方法是使用数组-[x for x in AllPossiblePoints if x not in restrictList]并选择一个随机索引。因为数组AllPossiblePoints非常大，所以花费的时间甚至更长。我想我需要一种方法来确保strictList中的（x，y）坐标不会首先随机生成。

def genLoc(x,y, restrictList):

Valx = randint(0, x)
Valy = randint(0, y)

point = (Valx, Valy)
if point in restrictList:
    return genLoc(dimx, dimy, restrictList)

elif point not in restrictList:
    return point

Answer 1

已修订

此解决方案将要求您提前生成所有可能的坐标。它使用集合和集合逻辑来消除使用时的可能性。 random.sample用于从可能的位置中选择一个点。我想做些什么来说明-（一切都是 linear ）。

import random

# fake function that identifies
# unusable points after placing an object
def calc_objectspace(point,obj=None):
    objdims = range(-5,5)
    # linear all the same size
    objspace = set(point+n for n in range(-5,5))
    objspace.add(point)    # as needed
    return objspace

# make all the points as a set
allthestuff = set(range(10000))

# iterate over the objects getting placed
for obj in range(10):
    # random.choice won't work with a set
    point = random.sample(allthestuff,1)[0]
    # determine occupied points
    obj_space = calc_objectspace(point)
    # reduce the possible points
    allthestuff.difference_update(obj_space)
    print(len(allthestuff))

s.difference_update(t)的时间复杂度为O（len（t））。

这解决了寻找尚未使用的随机坐标的问题。

无法评估最前创建所有坐标的成本。如果成本太高，则可能必须重新寻找可用的坐标。使用一组来保存所有 restricted 点将减少成员资格测试的时间。

有没有一种方法可以提高生成随机x-y坐标的算法的效率？

1 个答案: