建立权重矩阵，使其有效地求和

如何解决建立权重矩阵，使其有效地求和

我正在创建一个线性组合生成器和测试器。目的是测试N个输入的所有线性组合，以确定哪个产生最佳得分。

创建权重矩阵的方法可以强制执行，如下所示。但是，当可以有2个以上没有上限的模块时，这在应用程序中并不灵活。有没有办法概括这些代码？

以矩阵形式生成此输出也是理想的，因此我可以简单地将输入矩阵与标量相乘以获得线性组合输出！

编辑：完全明确。我正在寻找一种灵活引用的方式

for i in range...: 
   for j in range...: 
       for k in range...

用于2、3、4，+个模块

def generate_weights(n=4,min_weight=0,max_weight=100):
    weight_dictionary = {}
    combination = 1
    for i in range(0,101):
        for j in range(0,101):
            for k in range(0,101):
                for l in range(0,101):
                    # For Now,ignoring conditions on each individual scalar's min and max weight criteria
                    if i + j + k + l == 100:
                        weight_dictionary[combination] = (i,j,k,l)
                        combination+=1
    return weight_dictionary

test = generate_weights()

解决方法

由于“ i + j + k + l == 100”，您不需要每次都计算范围0〜100，因此可以限制范围并排除不可能的值，例如：

    for i in range(0,101):
        for j in range(0,101-i):
            for k in range(0,101-i-j):
                for l in range(0,101-i-j-k):

之前的时间复杂度：O（n ** 4）

>>> test = generate_weights()
Time:  12.879271500000016

时间复杂度：O（n * log（n））

>>> test = generate_weights()
Time:  0.6409992999999758

,

应对未知深度的堆叠循环的最简单方法通常是使用递归。每次该函数运行时，它都会运行一个循环，递归深度将给出堆栈。

import numpy as np

def generate_weights0( layers = 4,tgt = 100 ):
    """ Generate list of lists with 'layers' items adding to tgt """
    result = []

    def one_layer( layers,tgt,cumul ):
        """  layers: layers still to produce.
             tgt: the tgt still left to be consumed.
             cumul: a list of the combinations for the layers already processed.
        """
        if layers == 1: # return results for the last layer
            cumul.append( tgt )
            result.append( cumul )
        else:
            # For each i call one_layer with revised parameters
            for i in range( tgt + 1 ):
                cumul_ = cumul.copy()
                cumul_.append( i )
                # Recursive call with updated parameters
                one_layer( layers - 1,tgt - i,cumul_ )

    one_layer( layers,[] )  # Execute the initialised function
    return np.array( result )

以上假设min为零，返回结果。为了避免复杂性，有第二个函数调用上面的函数，将参数调整为最小值。然后将最小值添加到所有结果中。

def generate_weights( layers = 4,min_ = 0,tgt = 100 ):
    tgt = tgt - ( layers * min_ )
    return generate_weights0( layers,tgt ) + min_

我认为这将返回您的预期。