东莞附近公司做网站建设多少钱,盘锦网站变建设,小公司做网站,网页制作工具的选择与网站整体风格文章目录一、积和式的定义二、Ryser算法三、代码实现一、积和式的定义
积和式#xff08;permanent#xff09;是一种和行列式长得很像的矩阵函数。在介绍积和式之前#xff0c;我们先看看行列式#xff08;determinant#xff09;的定义。
首先需要引入“排列”#x…
文章目录一、积和式的定义二、Ryser算法三、代码实现一、积和式的定义
积和式permanent是一种和行列式长得很像的矩阵函数。在介绍积和式之前我们先看看行列式determinant的定义。
首先需要引入“排列”permutation的概念。对于集合S{1,2,⋯,n}S\{1,2,\cdots,n\}S{1,2,⋯,n}它的一个排列σ\sigmaσ就是对SSS中元素的一个重排。σ\sigmaσ的第iii个元素记作σi\sigma_iσi。例如对于n5n5n5我们令σ{2,5,1,4,3}\sigma\{2,5,1,4,3\}σ{2,5,1,4,3}则σ31\sigma_31σ31σ53\sigma_53σ53。
排列的逆序对就是aaa在bbb前面但σaσb\sigma_a\sigma_bσaσb的情况。例如σ{2,1,3,5,4}\sigma\{2,1,3,5,4\}σ{2,1,3,5,4}有两个逆序对(σ1,σ2)(2,1)(\sigma_1,\sigma_2)(2,1)(σ1,σ2)(2,1)和(σ4,σ5)(5,4)(\sigma_4,\sigma_5)(5,4)(σ4,σ5)(5,4)。一个排列σ\sigmaσ中逆序对的个数记作τ(σ)\tau(\sigma)τ(σ)。令sgn(σ)(−1)τ(σ)\mathrm{sgn}(\sigma)(-1)^{\tau(\sigma)}sgn(σ)(−1)τ(σ)。对于一个排列σ\sigmaσ如果你把其中的两个数互换则sgn(σ)\mathrm{sgn}(\sigma)sgn(σ)会变号。所有nnn个元素的排列的集合记作SnS_nSn。例如S3{(123),(132),(213),(231),(312),(321)}S_3\{(1\ 2\ 3),(1\ 3\ 2),(2\ 1\ 3),(2\ 3\ 1),(3\ 1\ 2),(3\ 2\ 1)\}S3{(1 2 3),(1 3 2),(2 1 3),(2 3 1),(3 1 2),(3 2 1)}。
给定一个n×nn\times nn×n的矩阵A(aij)n×nA(a_{ij})_{n\times n}A(aij)n×n它的行列式为det(A)∑σ∈Sn(sgn(σ)∏i1nai,σi)\det(A)\sum\limits_{\sigma\in S_n}\left(\mathrm{sgn}(\sigma)\prod\limits_{i1}^{n}a_{i,\sigma_{i}}\right) det(A)σ∈Sn∑(sgn(σ)i1∏nai,σi)例如当n3n3n3时设A[abcdefghi]A\begin{bmatrix}abc\\def\\ghi\end{bmatrix}Aadgbehcfi则det(A)aei−afhbfg−bdicdh−ceg\det(A)aei-afhbfg-bdicdh-ceg det(A)aei−afhbfg−bdicdh−ceg而积和式的定义就是在行列式中把sgn(σ)\mathrm{sgn}(\sigma)sgn(σ)去掉perm(A)∑σ∈Sn(∏i1nai,σi)\mathrm{perm}(A)\sum\limits_{\sigma\in S_n}\left(\prod\limits_{i1}^{n}a_{i,\sigma_{i}}\right) perm(A)σ∈Sn∑(i1∏nai,σi)可以理解为在矩阵中每行选取一个元素且要求这些元素的列各不相同将这些元素乘起来得到一个乘积积和式就是所有可能的选法对应的乘积之和。例如当n3n3n3时设A[abcdefghi]A\begin{bmatrix}abc\\def\\ghi\end{bmatrix}Aadgbehcfi则perm(A)aeiafhbfgbdicdhceg\mathrm{perm}(A)aeiafhbfgbdicdhceg perm(A)aeiafhbfgbdicdhceg积和式在量子场论、图论等领域中有应用。
积和式与行列式看起来只是某些项的符号不同而且积和式看起来更简单了没有sgn(σ)\mathrm{sgn}(\sigma)sgn(σ)那是不是比行列式好算呢答案是大错特错行列式可以用高斯消元法在O(n3)O(n^3)O(n3)的时间内算出来而积和式目前最快的算法需要指数级的时间。事实上1979年Leslie G. Valiant证明了积和式的计算是#P\mathsf{\# P}#P完全问题如果发现积和式有多项式时间的算法那么将意味着FP#P\mathsf{FP}\mathsf{\#P}FP#P这是比PNP\mathsf{P}\mathsf{NP}PNP还要强的命题。而大多数计算机科学家认为P≠NP\mathsf{P}\ne\mathsf{NP}PNP所以积和式大概率没有多项式时间的算法。我们要介绍的Ryser算法就是O(n2n)O(n 2^n)O(n2n)时间的。
二、Ryser算法
Ryser算法的核心思想就是容斥原理。我们还是先考察一下n3n3n3的情况令A[abcdefghi]A\begin{bmatrix}abc\\def\\ghi\end{bmatrix}Aadgbehcfi则perm(A)aeiafhbfgbdicdhceg\mathrm{perm}(A)aeiafhbfgbdicdhceg perm(A)aeiafhbfgbdicdhceg观察式子T(abc)(def)(ghi)T(abc)(def)(ghi)T(abc)(def)(ghi)你会发现它的展开式中包含积和式的666个项用蓝色标出Tadgadhadiaegaehaeiafgafhafibdgbdhbdibegbehbeibfgbfhbficdgcdhcdicegcehceicfgcfhcfi\begin{aligned} Ta d g a d h a d i a e g a e h \textcolor{blue}{a e i} a f g \textcolor{blue}{a f h} a f i\\ b d g b d h \textcolor{blue}{b d i} b e g b e h b e i \textcolor{blue}{b f g} b f h b f i\\ c d g \textcolor{blue}{c d h} c d i \textcolor{blue}{c e g} c e h c e i c f g c f h c f i \end{aligned}Tadgadhadiaegaehaeiafgafhafibdgbdhbdibegbehbeibfgbfhbficdgcdhcdicegcehceicfgcfhcfi于是我们只需要在TTT的展开式中剔除不属于积和式的项就可以了。不属于积和式的项也就是选取的某两个元素在同一列的项。这些项的特点是元素的列组成的集合大小不超过222。比如adhadhadh一项它只涉及第一和第二列而没有涉及第三列所以它不是积和式中的项。同样cficficfi只涉及第三列它也不是积和式中的项。我们可以枚举元素的列组成的集合集合的大小为222将对应的项剔除出去。
只涉及第一、二列的项H12(ab)(de)(gh)adgadhaegaehbdgbdhbegbehH_{12}(ab)(de)(gh)a d g a d h a e g a e h b d g b d h b e g b e hH12(ab)(de)(gh)adgadhaegaehbdgbdhbegbeh只涉及第二、三列的项H23(bc)(ef)(hi)behbeibfhbficehceicfhcfiH_{23}(bc)(ef)(hi)b e h b e i b f h b f i c e h c e i c f h c f iH23(bc)(ef)(hi)behbeibfhbficehceicfhcfi只涉及第一、三列的项H13(ac)(df)(gi)adgadiafgaficdgcdicfgcfiH_{13}(ac)(df)(gi)a d g a d i a f g a f i c d g c d i c f g c f iH13(ac)(df)(gi)adgadiafgaficdgcdicfgcfi
只需要从TTT中把这些项剔除出去就可以了。但答案是perm(A)T−H12−H23−H13\mathrm{perm}(A)T-H_{12}-H_{23}-H_{13}perm(A)T−H12−H23−H13吗非也因为H12H_{12}H12、H23H_{23}H23、H13H_{13}H13之间还有重叠部分我们减的时候把重叠部分减了两次还得加回来。H12H_{12}H12和H23H_{23}H23的重叠部分就是只涉及第二列的项behbehbeh。H12H_{12}H12和H13H_{13}H13的重叠部分则是只涉及第一列的项adgadgadg。同理H23H_{23}H23和H13H_{13}H13的重叠部分就是只涉及第三列的项——cficficfi了。
这样我们得到计算三阶矩阵积和式的公式为perm(A)T−H12−H23−H13adgbehcfi(abc)(def)(ghi)−(ab)(de)(gh)−(bc)(ef)(hi)−(ac)(df)(gi)adgbehcfi\begin{aligned} \mathrm{perm}(A)T-H_{12}-H_{23}-H_{13}adgbehcfi\\ (abc)(def)(ghi)-(ab)(de)(gh)-(bc)(ef)(hi)-(ac)(df)(gi)adgbehcfi \end{aligned}perm(A)T−H12−H23−H13adgbehcfi(abc)(def)(ghi)−(ab)(de)(gh)−(bc)(ef)(hi)−(ac)(df)(gi)adgbehcfi我们可以把这种容斥原理的思想推广到nnn阶矩阵的积和式。计算nnn阶矩阵的积和式的Ryser公式如下perm(An×n)(−1)n∑S⊆{1,2,⋯,n}[(−1)∣S∣∏i1n(∑j∈Saij)]\mathrm{perm}(A_{n\times n}){(-1)}^{n} \sum\limits_{S\subseteq \{1,2,\cdots,n\}}\left[{(-1)}^{|S|}\prod\limits_{i1}^{n}\left(\sum\limits_{j\in S}a_{ij}\right)\right] perm(An×n)(−1)nS⊆{1,2,⋯,n}∑(−1)∣S∣i1∏nj∈S∑aij这个公式可以这么理解我们把AAA的行和之积展开里面一定包含我们要求的积和式然后减去涉及n−1n-1n−1列的项加上涉及n−2n-2n−2列的项减去涉及n−3n-3n−3列的项……式中SSS就是涉及的列的集合(−1)∣S∣(-1)^{|S|}(−1)∣S∣用于计算是加还是减前面的(−1)n{(-1)}^{n}(−1)n是修正项用于解决当nnn是奇数时S{1,2,⋯,n}S\{1,2,\cdots,n\}S{1,2,⋯,n}的情况下(−1)∣S∣{(-1)}^{|S|}(−1)∣S∣是负数的问题。
三、代码实现
理论上讲如果我们按照格雷码顺序枚举SSS那么时间复杂度可以降到O(n2n)O(n2^n)O(n2n)。但在这里我们为了方便起见就递归枚举SSS对于每个SSS计算各行的、列号为SSS的元素之和的乘积即可。下面给出一个时间复杂度为O(n22n)O(n^2 2^n)O(n22n)的C实现
#include cstdinttypedef std::int64_t num;num recursion(int i, bool* b, int n, num** A)// 枚举S
{if(i n) // 递归终点已经得到一个S{num prod 1;for(int row 0; row n; row){num sum 0;for(int col 0; col n; col){if(b[col]){sum A[row][col];}}prod * sum;}int S_size 0; // |S|for(int col 0; col n; col){if(b[col]){S_size;}}if(S_size % 2 1) // (-1)^|S|{prod -prod;}return prod;}num result 0;b[i] true; // 选第i列result recursion(i 1, b, n, A);b[i] false; // 不选第i列result recursion(i 1, b, n, A);return result;
}num ryser(int n, num** A)// 计算n x n矩阵A的积和式
{bool* b new bool[n]; // S中是否含有第i列num result recursion(0, b, n, A);delete []b;if(n % 2 1){result -result; // (-1)^n}return result;
}
