Create segregacja.py

segregacja.py

@@ -0,0 +1,116 @@
+# Funckja sortujaca macierz w taki sposob, aby odloglosci miedzy sasiednimi indeksami byly jak najmniejsze.
+# 
+# 
+# Funkcja jest najprostsza jak się da;
+# 
+# 
+# 
+# 
+# 
+from typing import List
+from copy import deepcopy
+# import random  # Testowanie
+# import time
+
+
+def print_matrix(matrix: List[List]):
+    string = ""
+    for i in range(0, len(matrix)):
+        string = string + '|'
+        for j in range(0, len(matrix[i])):
+            string = string + '\t' + str(matrix[i][j])
+        string = string + '|' + '\n'
+    print(string)
+    del string
+    pass
+
+
+def cost(matrix: List[List]) -> int:
+    # Tak ogolnie to jest to suma wyrazow nad przekatna
+    _sum = 0  # suma odleglosci miedzy punktami
+    for i in range(0, len(matrix)-1):
+        _sum = _sum + matrix[i][i+1]
+    return _sum
+
+
+def sort_matrix_by_distance(matrix: List[List]):
+    _from = len(matrix)-1
+    _to = 0
+    _visited = []
+    # Znalezienie najkrotszego polaczenia w calej macierzy
+    for i in range(0, len(matrix)):
+        for j in range(0, len(matrix[i])):
+            if i != j and matrix[i][j] < matrix[_from][_to]:
+                _from, _to = i, j
+
+    _visited.append(_from)  # Dolaczenie tych punktow do listy odwiedzonych
+    _visited.append(_to)
+    _from = _to
+
+    while len(_visited) < len(matrix):
+        helper = deepcopy(matrix[_from])  # Usuniecie inf z tablicy pomocniczej (funkcje min/max maja z tym problem, gdy stoi na poczatku)
+        for i in range(helper.count(inf)):
+            helper.pop(helper.index(inf))
+        _min_cost = max(helper)  # Znalezienie najwiekszej wartosci w tej liscie
+        del helper
+        _to = (matrix[_from]).index(_min_cost)  #Dla jakiego indeksu istnieje najwieksza wartosc
+        for i in range(0, len(matrix[_from])):
+            if i != _from and matrix[_from][i] is not inf and i not in _visited:
+                if matrix[_from][i] < _min_cost:
+                    _to = i  # Znaleziono punkt o mniejszym koszcie
+
+        _visited.append(_to)  # Dodaj punkt do odwiedzonych
+        _from = _to
+        # Koniec while, szukaj nastpenego polaczenia
+
+    # Gdy otrzymalismy juz kolejnosc zapisu, nalezy zmienic te macierz
+    # Zamiana kolumn, wierszy wedlug wyznaczonej kolejnosci
+    new_matrix = []
+    for i in range(0, len(matrix)):
+        helperek = []
+        for j in range(0, len(matrix[i])):
+            helperek.append(matrix[_visited[i]][_visited[j]])
+            pass
+        new_matrix.append(deepcopy(helperek))
+        helperek.clear()
+        pass
+
+    zmiana = cost(matrix) - cost(new_matrix)
+    if zmiana > 0:  # Jesli macierz kosztow ulegla poprawie
+        matrix = new_matrix
+        del new_matrix
+    else:  # Jesli wyzmaczona macierz nie jest lepsza
+        del new_matrix
+    return matrix
+
+
+def random_cost_matrix(size: int, max_value: int, min_value: int = 0) -> List[List]:
+    matrix = [[random.randint(min_value, max_value) for i in range(size)] for j in range(size)]
+    for i in range(0, len(matrix)):
+        matrix[i][i] = inf
+        for j in range(0, len(matrix[i])):
+            if i < j:
+                matrix[i][j] = matrix[j][i]
+    return matrix
+
+
+#inf = float('nan')
+#wyniki = []
+#suma = 0
+#for i in range(5, 50):
+#    M = random_cost_matrix(i, 50, 1)
+#    koszt_przed = cost((M))
+#    M = sort_matrix_by_distance(M)
+#    wyniki.append( (i, koszt_przed, cost(M), 0-cost(M) + koszt_przed))
+#    suma = suma + 0-cost(M) + koszt_przed
+#    pass
+#
+#for i in range(len(wyniki)):
+#    print(wyniki[i])
+#
+#print(suma)
+#print(suma / (50-5))
+
+
+
+