我们知道矩阵是一个非常强大的数据结构,在动态规划以及各种图论算法上都有广泛的应用,当然矩阵有着不足的地方就是空间和时间
复杂度都维持在N2上,比如1w个数字建立一个矩阵,在内存中会占用1w*1w=1亿的类型空间,这时就会遇到outofmemory。。。那么面
临的一个问题就是如何来压缩矩阵,当然压缩的方式有很多种,这里就介绍一个顺序表的压缩方式:三元组。
一:三元组
有时候我们的矩阵中只有零星的一些非零元素,其余的都是零元素,那么我们称之为稀疏矩阵,当然没有绝对的说有多少个零元素才算稀疏。
针对上面的这个无规律的存放非零元素,三元组提出了一种方法,就是仅仅记录矩阵中的非零元素以及它的行,列以及值N(x,y,v)构成的一个三元
组,标识一个稀疏矩阵的话,还要记录该矩阵的阶数,这样我们就将一个二维的变成了一个一维,极大的压缩的存储空间,这里要注意的就是,三
元组的构建采用“行“是从上到下,“列”也是从左到右的方式构建的顺序表。
/// <summary>
/// 三元组
/// </summary>
public class Unit
{
public int x;
public int y;
public int element;
}
/// <summary>
/// 标识矩阵
/// </summary>
public class SPNode
{
//矩阵总行数
public int rows;
//矩阵总列数
public int cols;
//非零元素的个数
public int count;
//矩阵中非零元素
public List<Unit> nodes = new List<Unit>();
}
其实说到这里也就差不多了,我们只要知道三元组是用来做矩阵压缩的一个顺序存储方式即可,然后知道怎么用三元组表来做一些常规的矩阵
运算,好了,既然说已经做成线性存储了,那就做个“行列置换”玩玩。
二:行列置换
做行列置换很容易,也就是交换"非零元素"的(x,y)坐标,要注意的就是,原先我们的三元组采用的是”行优先“,所以在做转置的时候需要
遵循"列优先“。
/// <summary>
/// 行转列运算
/// </summary>
/// <param name="spNode"></param>
/// <returns></returns>
public SPNode ConvertSpNode(SPNode spNode)
{
//矩阵元素的x和y坐标进行交换
SPNode spNodeLast = new SPNode();
//行列互换
spNodeLast.rows = spNode.cols;
spNodeLast.cols = spNode.rows;
spNodeLast.count = spNode.count;
//循环原矩阵的列数 (行列转换)
for (int col = 0; col < spNode.cols; col++)
{
//循环三元组行的个数
for (int sp = 0; sp < spNode.count; sp++)
{
var single = spNode.nodes[sp];
//找到三元组中存在的相同编号
if (col == single.y)
{
spNodeLast.nodes.Add(new Unit()
{
x = single.y,
y = single.x,
element = single.element
});
}
}
}
return spNodeLast;
}
最后是总的代码:
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Diagnostics;
using System.Threading;
using System.IO;
namespace ConsoleApplication2
{
public class Program
{
public static void Main()
{
Martix martix = new Martix();
//构建三元组
var node = martix.Build();
foreach (var item in node.nodes)
{
Console.WriteLine(item.x + "\t" + item.y + "\t" + item.element);
}
Console.WriteLine("******************************************************");
var mynode = martix.ConvertSpNode(node);
foreach (var item in mynode.nodes)
{
Console.WriteLine(item.x + "\t" + item.y + "\t" + item.element);
}
Console.Read();
}
}
public class Martix
{
/// <summary>
/// 三元组
/// </summary>
public class Unit
{
public int x;
public int y;
public int element;
}
/// <summary>
/// 标识矩阵
/// </summary>
public class SPNode
{
//矩阵总行数
public int rows;
//矩阵总列数
public int cols;
//非零元素的个数
public int count;
//矩阵中非零元素
public List<Unit> nodes = new List<Unit>();
}
/// <summary>
/// 构建一个三元组
/// </summary>
/// <returns></returns>
public SPNode Build()
{
SPNode spNode = new SPNode();
//遵循行优先的原则
spNode.nodes.Add(new Unit() { x = 0, y = 0, element = 8 });
spNode.nodes.Add(new Unit() { x = 1, y = 2, element = 1 });
spNode.nodes.Add(new Unit() { x = 2, y = 3, element = 6 });
spNode.nodes.Add(new Unit() { x = 3, y = 1, element = 4 });
//4阶矩阵
spNode.rows = spNode.cols = 4;
//非零元素的个数
spNode.count = spNode.nodes.Count;
return spNode;
}
/// <summary>
/// 行转列运算
/// </summary>
/// <param name="spNode"></param>
/// <returns></returns>
public SPNode ConvertSpNode(SPNode spNode)
{
//矩阵元素的x和y坐标进行交换
SPNode spNodeLast = new SPNode();
//行列互换
spNodeLast.rows = spNode.cols;
spNodeLast.cols = spNode.rows;
spNodeLast.count = spNode.count;
//循环原矩阵的列数 (行列转换)
for (int col = 0; col < spNode.cols; col++)
{
//循环三元组行的个数
for (int sp = 0; sp < spNode.count; sp++)
{
var single = spNode.nodes[sp];
//找到三元组中存在的相同编号
if (col == single.y)
{
spNodeLast.nodes.Add(new Unit()
{
x = single.y,
y = single.x,
element = single.element
});
}
}
}
return spNodeLast;
}
}
}
时间: 2024-11-03 00:45:24