python - 迭代后清除记忆函数缓存？

Question

我编写了一些代码，尝试使用本文中提到的一系列启发式算法和算法来近似顶点的排名，以最小化反馈弧集/最大化有向图的最大无环子图（最多 n = 100 个节点）论文反馈弧的排序启发式 Set Problem 由德国帕绍大学的 Franz J. Brandenburg 和 Kathrin Hanauer 撰写。

读入的数据是一个邻接矩阵，它被转换为一个 igraph.Graph 实例。

我正在记忆成本函数和筛选函数。这两个函数的参数都是rank（包含顶点排序的元组）和edgeList（包含表示边的元组的元组）。

由于我一次处理多个实例并且顶点由整数表示，我需要确保在处理一个实例（图形）后清除两个函数的缓存，我不完全确定这是否正在发生.我发现了一些 memoize 定时缓存实现并使用 _remove 方法进行 memoize，尽管我一直得到相同的结果。

这是针对今天早些时候（2015 年 12 月 6 日下午 5:00）到期的一个项目，但我和我一样固执，我一直在努力，并希望确保我正确使用 memoize 方法。

附上我用过的相关代码：

@memoize
def cost(rank, edgeList):
    rankMap = {} 
    for i in range(len(rank)):
        rankMap[rank[i]] = i
    cost = 0
    for edge in edgeList:
        u, v = edge[0], edge[1]
        if rankMap[u] < rankMap[v]:
            cost += 1
    return cost

class memoize:

    """Gives the class it's core functionality."""
    def __call__(self, *args):
        if args not in self._memos:
            self._memos[args] = self._function(*args)
        return self._memos[args]

    def __init__(self, function):
        self._memos = {}
        self._function = function

    """Removes all memos. This is particularly useful if something that     affects the output has changed."""
    def remove_memos(self):
        self._memos = {}

def alg_star(algorithm, costFunc, graph, rank):
    edgeList = tuple([i.tuple for i in graph.es()])
    while True:
        rankPrime = rank
        rank = algorithm(tuple(rank), edgeList)
        if costFunc(tuple(rank), edgeList) <= costFunc(tuple(rankPrime), edgeList):
            break
    return rankPrime


@memoize
def sifting(rank, edgeList):
    copyRank = list(rank)
    rankValues = {}
    for node in rank:
        rankValues[tuple(copyRank)] = cost(tuple(copyRank), edgeList)
        for i in range(1,len(copyRank)):
            copyRank[i-1], copyRank[i] = copyRank[i], copyRank[i-1]
            rankValues[tuple(copyRank)] = cost(tuple(copyRank), edgeList)
        copyRank = list(argMax(rankValues))
    return copyRank

# def evaluateFAS(fileNameList):
rankings = []
for fileName in fileList:
print fileName
adjMatrix, incoming, outgoing = fasGraph(fileName)
instance = igraph.Graph.Adjacency(adjMatrix.tolist())
pre_process(instance)
# rank = kss200(instance)
rank = fasAlg(adjMatrix, incoming, outgoing)
rank = alg_star(sifting, cost, instance, rank)
rank = np.array(rank) + 1
rankings.append(rank)
cost.remove_memos() #not sure if working properly
sifting.remove_memos() # not sure if working properly
# return rankings

我们将不胜感激任何帮助和指导。

Answer 1

在我看来还可以。让我们试一试吧

class memoize:

    """Gives the class it's core functionality."""
    def __call__(self, *args):
        if args not in self._memos:
            self._memos[args] = self._function(*args)
        return self._memos[args]

    def __init__(self, function):
        self._memos = {}
        self._function = function

    """Removes all memos. This is particularly useful if something that     affects the output has changed."""
    def remove_memos(self):
        self._memos = {}


@memoize
def f(x, y):
    print('f')
    return x + y

@memoize
def g(x, y):
    print('g')
    return x * y

print(f(2,3))
print(f(2,3))
print(g(2,3))
print(g(2,3))
print(f._memos)
print(g._memos)
f.remove_memos()
g.remove_memos()
print(f._memos)
print(g._memos)

输出

f
5
5
g
6
6
{(2, 3): 5}
{(2, 3): 6}
{}
{}

你认为它为什么不能正常工作？