我提出的解决方案相当简单,但非常耗时。
它可以分为4个主要步骤:
- 找到矩阵中的所有现有模式,
- 找到这些模式的所有可能组合,
- 删除所有不完整的模式集,
- 扫描剩余列表以获取具有最少元素数的集合
首先,下面的算法适用于列或行主矩阵。我选择了列作为解释,但您可以在方便时将其换成行,只要它在整个过程中保持一致即可。
答案附带的示例代码在 OCaml 中,但不使用该语言的任何特定功能,因此应该很容易移植到其他 ML 方言。
步骤1:
每一列都可以看作是一个位向量。请注意,可以通过交叉(即和ing)所有列或组成它的所有行,甚至是组合来构造模式(您在问题中称为块) 。所以第一步实际上是关于产生行和列的所有组合(如果你愿意的话,矩阵的行和列的幂集),同时将它们相交,并过滤掉重复项。
我们考虑矩阵数据类型的以下接口:
module type MATRIX = sig
type t
val w : int (* the width of the matrix *)
val h : int (* the height ........ *)
val get : t -> int -> int -> bool (* cell value getter *)
end
现在让我们看一下这一步的代码:
let clength = M.h
let rlength = M.w
(* the vector datatype used throughought the algorithm
operator on this type are in the module V *)
type vector = V.t
(* a pattern description and comparison operators *)
module Pattern = struct
type t = {
w : int; (* width of thd pattern *)
h : int; (* height of the pattern *)
rows : vector; (* which rows of the matrix are used *)
cols : vector; (* which columns... *)
}
let compare a b = Pervasives.compare a b
let equal a b = compare a b = 0
end
(* pattern set : let us store patterns without duplicates *)
module PS = Set.Make(Pattern)
(* a simple recursive loop on @f @k times *)
let rec fold f acc k =
if k < 0
then acc
else fold f (f acc k) (pred k)
(* extract a column/row of the given matrix *)
let cr_extract mget len =
fold (fun v j -> if mget j then V.set v j else v) (V.null len) (pred len)
let col_extract m i = cr_extract (fun j -> M.get m i j) clength
let row_extract m i = cr_extract (fun j -> M.get m j i) rlength
(* encode a single column as a pattern *)
let col_encode c i =
{ w = 1; h = count c; rows = V.set (V.null clength) i; cols = c }
let row_encode r i =
{ h = 1; w = count r; cols = V.set (V.null rlength) i; rows = r }
(* try to add a column to a pattern *)
let col_intersect p c i =
let col = V.l_and p.cols c in
let h = V.count col in
if h > 0
then
let row = V.set (V.copy p.rows) i in
Some {w = V.count row; h = h; rows = row; clos = col}
else None
let row_intersect p r i =
let row = V.l_and p.rows r in
let w = V.count row in
if w > 0
then
let col = V.set (V.copy p.cols) i in
Some { w = w; h = V.count col; rows = row; cols = col }
else None
let build_patterns m =
let bp k ps extract encode intersect =
let build (l,k) =
let c = extract m k in
let u = encode c k in
let fld p ps =
match intersect p c k with
None -> l
| Some npc -> PS.add npc ps
in
PS.fold fld (PS.add u q) q, succ k
in
fst (fold (fun res _ -> build res) (ps, 0) k)
in
let ps = bp (pred rlength) PS.empty col_extract col_encode col_intersect in
let ps = bp (pred clength) ps row_extract row_encode row_intersect in
PS.elements ps
V 模块必须符合以下整个算法的签名:
module type V = sig
type t
val null : int -> t (* the null vector, ie. with all entries equal to false *)
val copy : t -> t (* copy operator *)
val get : t -> int -> bool (* get the nth element *)
val set : t -> int -> t (* set the nth element to true *)
val l_and : t -> t -> t (* intersection operator, ie. logical and *)
val l_or : t -> t -> t (* logical or *)
val count : t -> int (* number of elements set to true *)
val equal : t -> t -> bool (* equality predicate *)
end
第2步:
组合模式也可以看作是一个幂集结构,但有一些限制:一个有效的模式集可能只包含不重叠的模式。如果两种模式都包含至少一个公共矩阵单元,则后者可以定义为真。使用上面使用的模式数据结构,重叠谓词非常简单:
let overlap p1 p2 =
let nullc = V.null h
and nullr = V.null w in
let o v1 v2 n = not (V.equal (V.l_and v1 v2) n) in
o p1.rows p2.rows nullr && o p1.cols p2.cols nullc
模式记录的cols
和rows
指示矩阵中的哪些坐标包含在模式中。因此,两个字段上的逻辑和将告诉我们模式是否重叠。
为了在模式集中包含模式,我们必须确保它不与集合中的任何模式重叠。
type pset = {
n : int; (* number of patterns in the set *)
pats : pattern list;
}
let overlap sp p =
List.exists (fun x -> overlap x p) sp.pats
let scombine sp p =
if overlap sp p
then None
else Some {
n = sp.n + 1;
pats = p::sp.pats;
}
let build_pattern_sets l =
let pset l p =
let sp = { n = 1; pats = [p] } in
List.fold_left (fun l spx ->
match scombine spx p with
None -> l
| Some nsp -> nsp::l
) (sp::l) l
in List.fold_left pset [] l
这一步会产生很多集合,因此非常占用内存和计算量。这当然是这个解决方案的弱点,但我还没有看到如何减少折叠。
第 3 步:
如果在用它重建矩阵时,我们没有获得原始的模式集,则该模式集是不完整的。所以这个过程相当简单。
let build_matrix ps w =
let add m p =
let rec add_col p i = function
| [] -> []
| c::cs ->
let c =
if V.get p.rows i
then V.l_or c p.cols
else c
in c::(add_col p (succ i) cs)
in add_col p 0 m
in
(* null matrix as a list of null vectors *)
let m = fold (fun l _ -> V.null clength::l) [] (pred rlength) in
List.fold_left add m ps.pats
let drop_incomplete_sets m l =
(* convert the matrix to a list of columns *)
let m' = fold (fun l k -> col_extract m k ::l) [] (pred rlength) in
let complete m sp =
let m' = build_matrix sp in
m = m'
in List.filter (fun x -> complete m' x) l
第4步:
最后一步就是选择元素数量最少的集合:
let smallest_set l =
let smallest ps1 ps2 = if ps1.n < ps2.n then ps1 else ps2 in
match l with
| [] -> assert false (* there should be at least 1 solution *)
| h::t -> List.fold_left smallest h t
整个计算就是每个步骤的链接:
let compute m =
let (|>) f g = g f in
build_patterns m |> build_pattern_sets |> drop_incomplete_sets m |> smallest_set
笔记
上面的算法构造了一个幂集的幂集,并带有一些有限的过滤。据我所知,没有减少搜索的方法(如评论中所述,如果这是一个 NP 难题,则没有)。
该算法检查所有可能的解决方案,并正确返回一个最佳解决方案(用许多矩阵测试,包括问题描述中给出的那个。
关于您在问题中提出的启发式的快速评论:
它可以使用第一步轻松实现,删除找到的最大模式并递归。这将比我的算法更快地产生解决方案。但是,找到的解决方案可能不是最佳的。
例如,考虑以下矩阵:
.x...
.xxx
xxx.
...x.
中央 4 细胞块是可能找到的最大的,但使用它的集合将总共包含 5 个模式。
.1...
.223
422.
...5.
然而这个解决方案只使用了 4 个:
.1...
.122
334.
...4.
更新:
链接到我为此答案编写的完整代码。