我有一种解决Python中的子集和问题的函数的一些执行问题。
我们这里有动态规划,所以复杂性应该是多项式。
问题是,如果设置的大小线性增长和数字的大小也线性增加(当然这不是数字的对数),那么代码执行时间可成倍增长。
我的猜测是,这可能是由于特定的实现。是否有可能以某种方式改进呢?
代码在Python:
def subsetsum(array,num):
if num == 0 or num < 1:
return None
elif len(array) == 0:
return None
else:
if array[0] == num:
return [array[0]]
else:
with_v = subsetsum(array[1:],(num - array[0]))
if with_v:
return [array[0]] + with_v
else:
return subsetsum(array[1:],num)
您使用的切片传递array
的后缀,这将使得其具有线性运行时的副本。要避免这种情况,你可以通过指数来代替。另一个优点是,指数是哈希的,所以你可以缓存(或memoize),并重新计算避免答案:
from functools import lru_cache
def ssum(array, N):
@lru_cache(maxsize=None)
def subsetsum(idx, num):
if num < 1 or idx >= len(array):
return frozenset()
if array[idx] == num:
return frozenset([idx])
with_v = subsetsum(idx + 1, num - array[idx])
if with_v:
return with_v | frozenset([idx])
else:
return subsetsum(idx + 1, num)
return list(array[i] for i in subsetsum(0, N))
>>> ssum([1,1,2], 4)
[1, 1, 2]
遗憾的是,还是有抄袭答案从后缀获取成本