Каков наилучший способ создания разреженного массива в C ++? - PullRequest
47 голосов
/ 07 августа 2008

Я работаю над проектом, который требует манипулирования огромными матрицами, в частности, пирамидальным суммированием для вычисления связки.

Короче говоря, мне нужно отслеживать относительно небольшое количество значений (обычно значение 1, а в редких случаях более 1) в море нулей в матрице (многомерный массив).

Разреженный массив позволяет пользователю хранить небольшое количество значений и считать все неопределенные записи заданным значением. Поскольку физически невозможно хранить все значения в памяти, мне нужно хранить только несколько ненулевых элементов. Это может быть несколько миллионов записей.

Скорость является огромным приоритетом, и я также хотел бы динамически выбирать количество переменных в классе во время выполнения.

В настоящее время я работаю в системе, которая использует двоичное дерево поиска (b-дерево) для хранения записей. Кто-нибудь знает о лучшей системе?

Ответы [ 11 ]

26 голосов
/ 07 августа 2008

Для C ++ карта работает хорошо. Несколько миллионов объектов не будут проблемой. 10 миллионов элементов заняли на моем компьютере около 4,4 секунды и около 57 миллионов.

Мое тестовое приложение выглядит следующим образом:

#include <stdio.h>
#include <stdlib.h>
#include <map>

class triple {
public:
    int x;
    int y;
    int z;
    bool operator<(const triple &other) const {
        if (x < other.x) return true;
        if (other.x < x) return false;
        if (y < other.y) return true;
        if (other.y < y) return false;
        return z < other.z;
    }
};

int main(int, char**)
{
    std::map<triple,int> data;
    triple point;
    int i;

    for (i = 0; i < 10000000; ++i) {
        point.x = rand();
        point.y = rand();
        point.z = rand();
        //printf("%d %d %d %d\n", i, point.x, point.y, point.z);
        data[point] = i;
    }
    return 0;
}

Теперь, чтобы динамически выбрать количество переменных, самое простое решение - представить index в виде строки , а затем использовать строку в качестве ключа для карты. Например, элемент, расположенный в [23] [55], может быть представлен строкой «23,55». Мы также можем расширить это решение для более высоких измерений; например, для трех измерений произвольный индекс будет выглядеть как «34,45,56». Простая реализация этого метода заключается в следующем:

std::map data<string,int> data;
char ix[100];

sprintf(ix, "%d,%d", x, y); // 2 vars
data[ix] = i;

sprintf(ix, "%d,%d,%d", x, y, z); // 3 vars
data[ix] = i;
19 голосов
/ 02 сентября 2008

Как общий совет, метод, использующий строки в качестве индексов, на самом деле очень медленный. Гораздо более эффективным, но в остальном эквивалентным решением было бы использование векторов / массивов. Абсолютно нет необходимости записывать индексы в строку.

typedef vector<size_t> index_t;

struct index_cmp_t : binary_function<index_t, index_t, bool> {
    bool operator ()(index_t const& a, index_t const& b) const {
        for (index_t::size_type i = 0; i < a.size(); ++i)
            if (a[i] != b[i])
                return a[i] < b[i];
        return false;
    }
};

map<index_t, int, index_cmp_t> data;
index_t i(dims);
i[0] = 1;
i[1] = 2;
// … etc.
data[i] = 42;

Однако использование map на практике часто не очень эффективно из-за реализации в терминах сбалансированного бинарного дерева поиска. Более эффективной структурой данных в этом случае будет хеш-таблица, как указано в std::unordered_map.

11 голосов
/ 22 августа 2008

Boost имеет шаблонную реализацию BLAS, называемую uBLAS, которая содержит разреженную матрицу.

http://www.boost.org/doc/libs/1_36_0/libs/numeric/ublas/doc/index.htm

4 голосов
/ 20 августа 2008

Маленькая деталь в сравнении индекса. Вам нужно сделать лексикографическое сравнение, в противном случае:

a= (1, 2, 1); b= (2, 1, 2);
(a<b) == (b<a) is true, but b!=a

Изменить: Таким образом, сравнение должно быть:

return lhs.x<rhs.x
    ? true 
    : lhs.x==rhs.x 
        ? lhs.y<rhs.y 
            ? true 
            : lhs.y==rhs.y
                ? lhs.z<rhs.z
                : false
        : false
3 голосов
/ 30 декабря 2014

Eigen - это библиотека линейной алгебры C ++, которая имеет реализацию разреженной матрицы. Он даже поддерживает матричные операции и решатели (факторизация LU и т. Д.), Оптимизированные для разреженных матриц.

3 голосов
/ 07 августа 2008

Хеш-таблицы имеют быструю вставку и смотрят вверх. Вы можете написать простую хеш-функцию, поскольку знаете, что в качестве ключей вы будете иметь дело только с целочисленными парами.

2 голосов
/ 07 декабря 2016

Полный список решений можно найти в википедии. Для удобства я процитировал соответствующие разделы следующим образом.

https://en.wikipedia.org/wiki/Sparse_matrix#Dictionary_of_keys_.28DOK.29

Словарь ключей (DOK)

DOK состоит из словаря, который сопоставляет пары (строка, столбец) с ценность элементов. Элементы, которые отсутствуют в словаре принимаются за ноль. Формат хорош для пошагового построение разреженной матрицы в случайном порядке, но плохо для итерации над ненулевыми значениями в лексикографическом порядке. Один типично создает матрицу в этом формате, а затем преобразует в другой более эффективный формат для обработки. [1]

Список списков (LIL)

LIL хранит один список на строку, причем каждая запись содержит столбец Индекс и значение. Как правило, эти записи хранятся в порядке индекс столбца для более быстрого поиска. Это еще один формат, хороший для построение инкрементальной матрицы. [2]

Список координат (COO)

COO хранит список (строка, столбец, значение) кортежей. В идеале записи сортируются (по индексу строки, затем по индексу столбца) для улучшения произвольного доступа раз. Это еще один формат, который подходит для инкрементной матрицы строительство. [3]

Сжатый разреженный ряд (CSR, CRS или формат Yale)

Формат сжатого разреженного ряда (CSR) или хранилища сжатого ряда (CRS) представляет матрицу M тремя (одномерными) массивами, которые соответственно содержат ненулевые значения, экстенты строк и столбцов индексы. Он похож на COO, но сжимает индексы строк, следовательно имя. Этот формат обеспечивает быстрый доступ к строкам и матричный вектор умножения (Mx).

1 голос
/ 08 августа 2008

Лучший способ реализовать разреженные матрицы - это не реализовывать их - по крайней мере, не самостоятельно. Я бы предложил BLAS (который, я думаю, является частью LAPACK), который может обрабатывать действительно огромные матрицы.

0 голосов
/ 12 октября 2016

Я бы предложил сделать что-то вроде:

typedef std::tuple<int, int, int> coord_t;
typedef boost::hash<coord_t> coord_hash_t;
typedef std::unordered_map<coord_hash_t, int, c_hash_t> sparse_array_t;

sparse_array_t the_data;
the_data[ { x, y, z } ] = 1; /* list-initialization is cool */

for( const auto& element : the_data ) {
    int xx, yy, zz, val;
    std::tie( std::tie( xx, yy, zz ), val ) = element;
    /* ... */
}

Чтобы сохранить разреженность данных, вы можете написать подкласс unorderd_map, чьи итераторы автоматически пропускают (и стирают) любые элементы со значением 0.

0 голосов
/ 23 июня 2014

Вот относительно простая реализация, которая должна обеспечить разумный быстрый поиск (с использованием хэш-таблицы), а также быструю итерацию по ненулевым элементам в строке / столбце.

// Copyright 2014 Leo Osvald
//
// Licensed under the Apache License, Version 2.0 (the "License");
// you may not use this file except in compliance with the License.
// You may obtain a copy of the License at
//
//     http://www.apache.org/licenses/LICENSE-2.0
//
// Unless required by applicable law or agreed to in writing, software
// distributed under the License is distributed on an "AS IS" BASIS,
// WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
// See the License for the specific language governing permissions and
// limitations under the License.

#ifndef UTIL_IMMUTABLE_SPARSE_MATRIX_HPP_
#define UTIL_IMMUTABLE_SPARSE_MATRIX_HPP_

#include <algorithm>
#include <limits>
#include <map>
#include <type_traits>
#include <unordered_map>
#include <utility>
#include <vector>

// A simple time-efficient implementation of an immutable sparse matrix
// Provides efficient iteration of non-zero elements by rows/cols,
// e.g. to iterate over a range [row_from, row_to) x [col_from, col_to):
//   for (int row = row_from; row < row_to; ++row) {
//     for (auto col_range = sm.nonzero_col_range(row, col_from, col_to);
//          col_range.first != col_range.second; ++col_range.first) {
//       int col = *col_range.first;
//       // use sm(row, col)
//       ...
//     }
template<typename T = double, class Coord = int>
class SparseMatrix {
  struct PointHasher;
  typedef std::map< Coord, std::vector<Coord> > NonZeroList;
  typedef std::pair<Coord, Coord> Point;

 public:
  typedef T ValueType;
  typedef Coord CoordType;
  typedef typename NonZeroList::mapped_type::const_iterator CoordIter;
  typedef std::pair<CoordIter, CoordIter> CoordIterRange;

  SparseMatrix() = default;

  // Reads a matrix stored in MatrixMarket-like format, i.e.:
  // <num_rows> <num_cols> <num_entries>
  // <row_1> <col_1> <val_1>
  // ...
  // Note: the header (lines starting with '%' are ignored).
  template<class InputStream, size_t max_line_length = 1024>
  void Init(InputStream& is) {
    rows_.clear(), cols_.clear();
    values_.clear();

    // skip the header (lines beginning with '%', if any)
    decltype(is.tellg()) offset = 0;
    for (char buf[max_line_length + 1];
         is.getline(buf, sizeof(buf)) && buf[0] == '%'; )
      offset = is.tellg();
    is.seekg(offset);

    size_t n;
    is >> row_count_ >> col_count_ >> n;
    values_.reserve(n);
    while (n--) {
      Coord row, col;
      typename std::remove_cv<T>::type val;
      is >> row >> col >> val;
      values_[Point(--row, --col)] = val;
      rows_[col].push_back(row);
      cols_[row].push_back(col);
    }
    SortAndShrink(rows_);
    SortAndShrink(cols_);
  }

  const T& operator()(const Coord& row, const Coord& col) const {
    static const T kZero = T();
    auto it = values_.find(Point(row, col));
    if (it != values_.end())
      return it->second;
    return kZero;
  }

  CoordIterRange
  nonzero_col_range(Coord row, Coord col_from, Coord col_to) const {
    CoordIterRange r;
    GetRange(cols_, row, col_from, col_to, &r);
    return r;
  }

  CoordIterRange
  nonzero_row_range(Coord col, Coord row_from, Coord row_to) const {
    CoordIterRange r;
    GetRange(rows_, col, row_from, row_to, &r);
    return r;
  }

  Coord row_count() const { return row_count_; }
  Coord col_count() const { return col_count_; }
  size_t nonzero_count() const { return values_.size(); }
  size_t element_count() const { return size_t(row_count_) * col_count_; }

 private:
  typedef std::unordered_map<Point,
                             typename std::remove_cv<T>::type,
                             PointHasher> ValueMap;

  struct PointHasher {
    size_t operator()(const Point& p) const {
      return p.first << (std::numeric_limits<Coord>::digits >> 1) ^ p.second;
    }
  };

  static void SortAndShrink(NonZeroList& list) {
    for (auto& it : list) {
      auto& indices = it.second;
      indices.shrink_to_fit();
      std::sort(indices.begin(), indices.end());
    }

    // insert a sentinel vector to handle the case of all zeroes
    if (list.empty())
      list.emplace(Coord(), std::vector<Coord>(Coord()));
  }

  static void GetRange(const NonZeroList& list, Coord i, Coord from, Coord to,
                       CoordIterRange* r) {
    auto lr = list.equal_range(i);
    if (lr.first == lr.second) {
      r->first = r->second = list.begin()->second.end();
      return;
    }

    auto begin = lr.first->second.begin(), end = lr.first->second.end();
    r->first = lower_bound(begin, end, from);
    r->second = lower_bound(r->first, end, to);
  }

  ValueMap values_;
  NonZeroList rows_, cols_;
  Coord row_count_, col_count_;
};

#endif  /* UTIL_IMMUTABLE_SPARSE_MATRIX_HPP_ */

Для простоты это immutable, но вы можете сделать его изменчивым; Обязательно измените std::vector на std::set, если вы хотите разумные эффективные "вставки" (с заменой нуля на ненулевой).

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...