讲师中心 微信公众号

工具推荐

视频效率加速
Laper
Laper

剧本策划到成片协作

AniShort
AniShort

AI短剧协同制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

updream

一键生成高质量推广成片

基于排斥与包含关系生成所有相容事件组合的 NumPy 教程

落杰酱_7354

落杰酱_7354

发布时间:2026-11-22 15:21:33

|

590人浏览过

|

来源于php中文网

原创

基于排斥与包含关系生成所有相容事件组合的 NumPy 教程

本文介绍如何利用 numpy 与符号逻辑(sympy)联合建模事件间的互斥(disjoint)与子集(subset)约束,自动生成所有逻辑一致的布尔事件组合矩阵,适用于体育赛事分析、概率建模及形式化知识表示等场景。

本文介绍如何利用 numpy 与符号逻辑(sympy)联合建模事件间的互斥(disjoint)与子集(subset)约束,自动生成所有逻辑一致的布尔事件组合矩阵,适用于体育赛事分析、概率建模及形式化知识表示等场景。

在建模现实世界中的复合事件(如网球比赛结果)时,我们常需同时表达两类关键逻辑关系:互斥性(mutual exclusivity)——即两个事件不能同时为真;以及包含性(subset inclusion)——即某事件发生必然导致另一事件发生(例如“A 赢得 60–0” ⊆ “A 赢”)。原始问题中提供的 D(互斥矩阵)和 S(子集矩阵)仅刻画了部分约束,若直接用于暴力枚举过滤(如 itertools.product + 手动校验),极易遗漏隐含逻辑(如“非 A 赢 ⇒ B 赢”),导致生成非法组合(如 A wins with 60-0 与 B scores an ace 同时为真)或漏掉合法组合。

核心难点在于:D 和 S 本身不构成完备约束系统。D[i,j] = 1 表示事件 i 与 j 互斥(x_i ∧ x_j ≡ False),等价于 x_i → ¬x_j;S[i,j] = 1 表示 i 是 j 的子集(x_i ⇒ x_j)。但仅此二者无法推导出反向蕴含(如 ¬x_i ⇒ x_j),而这恰是区分“A 输”与“B 赢”的关键。因此,必须引入第三类矩阵 N,显式编码“否定前提蕴含肯定结论”的关系(¬x_i ⇒ x_j),三者共同构成逻辑闭包。

以下给出推荐的三矩阵联合建模法(对应原文 Solution 3),其结构清晰、语义明确、易于验证与扩展:

import numpy as np
from sympy import symbols, And, satisfiable

def generate_compatible_outcomes(
    D: np.ndarray, 
    S: np.ndarray, 
    N: np.ndarray
) -> np.ndarray:
    """
    基于互斥(D)、子集(S)、否定蕴含(N)三类约束,生成所有相容布尔组合

    Parameters:
    -----------
    D : (n,n) ndarray
        D[i,j]=1 表示事件 i 与 j 互斥 (x_i → ¬x_j)
    S : (n,n) ndarray  
        S[i,j]=1 表示事件 i 是 j 的子集 (x_i → x_j)
    N : (n,n) ndarray
        N[i,j]=1 表示事件 i 不发生蕴含 j 发生 (¬x_i → x_j)

    Returns:
    --------
    X : (m,n) ndarray
        每行是一个合法的 n 维布尔向量,共 m 种相容组合
    """
    assert all(m.shape == D.shape for m in [S, N])
    assert D.shape[0] == D.shape[1]

    n = D.shape[0]
    variables = symbols(f"x0:{n}")

    # 构建所有逻辑蕴含表达式
    implications = []
    for i in range(n):
        for j in range(n):
            if D[i, j]:
                implications.append(variables[i] >> ~variables[j])  # x_i → ¬x_j
            if S[i, j]:
                implications.append(variables[i] >> variables[j])   # x_i → x_j
            if N[i, j]:
                implications.append(~variables[i] >> variables[j]) # ¬x_i → x_j

    # 求解所有满足全部蕴含的模型
    expr = And(*implications)
    models = list(satisfiable(expr, all_models=True))

    # 转换为 NumPy 矩阵(按变量名 x0,x1,... 排序)
    result = []
    for model in models:
        row = [int(model.get(var, False)) for var in variables]
        result.append(row)

    return np.array(result)

# 示例:网球比赛事件(索引 0~4 对应 a,b,c,d,e)
D = np.array([
    [0, 1, 0, 0, 0],  # a 与 b 互斥
    [1, 0, 1, 1, 0],  # b 与 c,d 互斥
    [0, 1, 0, 1, 1],  # c 与 b,d,e 互斥
    [0, 1, 1, 0, 0],  # d 与 b,c 互斥(补全对称性)
    [0, 0, 1, 0, 0]   # e 与 c 互斥
])

S = np.array([
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0],
    [1, 0, 0, 0, 0],  # c ⇒ a(A赢60-0 ⇒ A赢)
    [1, 0, 0, 0, 0],  # d ⇒ a(A赢60-15 ⇒ A赢)
    [0, 0, 0, 0, 0]
])

N = np.array([
    [0, 1, 0, 0, 0],  # ¬a ⇒ b(A不赢 ⇒ B赢)
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0]
])

X = generate_compatible_outcomes(D, S, N)
print("所有相容事件组合(共{}种):".format(len(X)))
print(X)

关键注意事项:

  • ✅ 矩阵对称性优化:D 和 N 中,D[i,j]=1 已隐含 D[j,i]=1(因 x_i→¬x_j ⇔ x_j→¬x_i),同理 N[i,j]=1 隐含 N[j,i]=1。实践中可仅填充上三角以减少冗余定义。
  • ⚠️ 避免空解:若 D, S, N 存在矛盾(如 S[i,j]=1 且 D[i,j]=1),satisfiable() 将返回空迭代器,需增加异常处理。
  • ? 可解释性优先:相比单一大型蕴含表(Solution 1)或复杂真值表映射(Solution 2),三矩阵法将业务语义(互斥/包含/否定蕴含)严格分离,极大提升模型可维护性与领域专家可读性。
  • ? 扩展性提示:当事件数 n 较大(>20)时,穷举 2^n 组合效率低下,建议改用 SAT 求解器(如 pysat)或约束编程框架(如 ortools)替代 sympy.satisfiable。

最终生成的 X 矩阵每一行即一个语义自洽的原子事件场景,可直接用于后续概率赋值、蒙特卡洛模拟或规则引擎推理——这正是将领域知识(网球规则)精准转化为可计算逻辑的核心实践。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

超级麦吉

一款通过数字员工协作完成调研、数据分析与文档制作的AI办公平台。

Atoms
Atoms Hot

Atoms是一款AI智能体工具,第一支自动构建真实业务的 AI 团队。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

SkildArt
SkildArt Hot

SkildArt是一款AI文本写作工具,一站式 AI 视觉创作平台。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

讯飞智文

一款面向学习和办公场景的AI文档创作工具,可辅助生成PPT与Word文档,提高资料整理和内容制作效率。

相关专题

更多
Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

20

2026.11.20

Navicat入门教程大全
Navicat入门教程大全

本专题整理Navicat入门教程,从认识软件界面到开展数据库操作,介绍初次使用需要了解的知识和方法。内容兼顾连接配置、数据管理及日常使用中的疑问,方便用户按学习进度查阅,为后续实践和独立操作打好基础。

20

2026.11.20

Navicat数据库连接配置指南
Navicat数据库连接配置指南

从确认数据库信息到建立可用连接,本专题串联Navicat连接数据库的相关知识和操作方法。既有初次配置时需要了解的基础内容,也有连接后的检查思路,方便用户按实际需求查阅教程,逐步熟悉数据库连接的设置流程。

0

2026.11.20

PHP8.6数组与数据处理教程
PHP8.6数组与数据处理教程

本专题汇总PHP8.6数组与数据处理教程,涵盖CSV读取和导出、引用遍历删除、array_filter回调模式、配置键名冲突、pathinfo文件名校验、GMP大整数进制转换及UTF-8正则筛选,说明升级兼容变化、输入范围和失败处理方法。

60

2026.11.20

PHP8.6升级迁移教程
PHP8.6升级迁移教程

本专题汇总PHP8.6升级迁移与弃用接口改造教程,涵盖反射调用、对象属性赋值、标识符更名、构造函数与__debugInfo调整,以及插件类名检查、常量导出、ArrayIterator排序、SPL和DTO查询参数转换,帮助梳理弃用提示并完成代码兼容改造。

0

2026.11.20

PHP8.6安装配置与FPM运维教程
PHP8.6安装配置与FPM运维教程

本专题汇总PHP8.6正式版安装部署与FPM运维教程,涵盖Linux并存安装、独立ini配置、扩展重新编译、Nginx切换与回滚、FPM状态监控和慢日志排查,以及环境变量、请求超时、OPcache刷新和预加载配置。

40

2026.11.20

Nginx CVE-2026-123007排查与防护指南
Nginx CVE-2026-123007排查与防护指南

Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。

40

2026.11.20

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

80

2026.11.17

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

100

2026.11.17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn