寻找组合问题的有效算法答案

【问题标题】：looking efficient algorithm for combinatorial problem寻找组合问题的有效算法
【发布时间】：2020-11-13 05:01:05
【问题描述】：

我正在寻找一种有效的算法来解决以下问题。假设你已经设置了S = {1,2,...n}，设置了 S 的非空子集 T，以及整数 x > 0。您想知道是否可以从T 的每个子集中选择一个成员，这样S 的每个成员最多被选择x 次。

Example 1:
S = {1,2,3,...,10}
T = {{1},{4,5},{1,2},{6,7,8},{4}}
x = 1
one solution would be {1,5,2,6,4}

Example 2:
S = {1,2,3,...,10}
T = {{1},{4,5},{1},{6,7,8},{4}}
x = 1
no solution since 1 would have to be selected twice

这里我有一个解决问题的 python 程序，但可能非常慢。（我不是计算机科学家，但认为成本的上限是n^m，其中m 是T 的大小）。我将T 表示为 0 和 1 的 2d 列表，其中列表中的每一行对应于 T 的子集，行中的每个位置对应于 S 的成员，并且位置中的值 ( 0 或 1) 对应于该成员是否存在于子集中。例如，[0,1,1,1,0,0,1,0,1] 行将对应于子集{2,3,4,7,9}。

def f():

    t = [[1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 0, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 0, 0, 0, 0],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [0, 0, 0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 0, 0, 0, 0],
        [0, 1, 0, 1, 1, 1, 1, 1, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 1, 1],
        [0, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 1, 1, 0],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]

    solution_len = len(t)
    x = 3
    elem_counts = [0]*solution_len
    solution = [0]*solution_len # positions correspond to members of t, values correspond to members of s
    input_rows_len = len(t[0])
    a = 0
    t = sorted(t)

    while a <= solution_len:
        if a == solution_len:
            return solution[:solution_len]
        if solution[a] == input_rows_len:
            solution[a] = 0
            a -= 1
            if a == -1:
                return False
            elem_counts[solution[a]] -= 1
            solution[a] += 1
            continue
        bin_val = t[a][solution[a]]
        if elem_counts[solution[a]] == x or bin_val == 0:
            solution[a] += 1
        else:
            elem_counts[solution[a]] += 1
            a += 1
    return False

【问题讨论】：

不要简单地将您的代码转储给我们：发布对您的算法的人性化描述。我不喜欢尝试从具有单字母变量名称、通用标签和“魔术”数字的代码中对算法进行逆向工程。
也许我不应该包含代码（我不是在找人来分析它）。我只是担心问题是否明确，并想看看它是否可以简化为已知有效算法的问题。
顺便说一句，单字母变量名称对应于问题描述中的名称

标签： python algorithm performance

【解决方案1】：

我曾经使用过一个库来解决类似的组合问题。我有同样的性能问题，这个库很快。它被称为python-constraint。这是链接：https://pypi.org/project/python-constraint/

你只需创建一个问题对象，添加变量，然后给对象添加一定的约束，最终得到解决方案。

【讨论】：