Eindeutig getrennte Pixel

30

Suchen Sie für ein N x N- Bild einen Satz von Pixeln, sodass kein Abstand mehr als einmal vorhanden ist. Das heißt, wenn zwei Pixel durch einen Abstand d voneinander getrennt sind , sind dies die einzigen zwei Pixel, die durch genau d voneinander getrennt sind (unter Verwendung des euklidischen Abstands ). Beachten Sie, dass d keine Ganzzahl sein muss.

Die Herausforderung besteht darin, ein größeres Set als alle anderen zu finden.

Spezifikation

Es ist keine Eingabe erforderlich - für diesen Wettbewerb wird N auf 619 festgelegt.

(Da immer wieder gefragt wird, gibt es nichts Besonderes an der Nummer 619. Sie wurde so groß gewählt, dass eine optimale Lösung unwahrscheinlich ist, und so klein, dass ein N x N-Bild angezeigt werden kann, ohne dass Stack Exchange es automatisch verkleinert. Bilder können angezeigt in voller Größe bis zu 630 mal 630, und ich entschied mich für die größte Primzahl, die das nicht überschreitet.)

Die Ausgabe ist eine durch Leerzeichen getrennte Liste von Ganzzahlen.

Jede Ganzzahl in der Ausgabe stellt eines der Pixel dar, die in englischer Lesereihenfolge von 0 nummeriert sind. Beispiel: Bei N = 3 würden die Positionen in dieser Reihenfolge nummeriert sein:

0 1 2
3 4 5
6 7 8

Wenn Sie möchten, können Sie während des Laufens Fortschrittsinformationen ausgeben, solange die endgültige Ergebnisausgabe problemlos verfügbar ist. Sie können auf STDOUT oder in eine Datei ausgeben, oder was auch immer am einfachsten zum Einfügen in den Stapel-Snippet-Judge ist.

Beispiel

N = 3

Gewählte Koordinaten:

(0,0)
(1,0)
(2,1)

Ausgabe:

0 1 5

Gewinnen

Die Punktzahl ist die Anzahl der Positionen in der Ausgabe. Von den gültigen Antworten mit der höchsten Punktzahl gewinnt die Antwort, die am frühesten mit dieser Punktzahl ausgegeben wird.

Ihr Code muss nicht deterministisch sein. Sie können Ihre beste Ausgabe veröffentlichen.


Verwandte Forschungsbereiche

(Danke an Abulafia für die Golomb Links)

Keines von beiden ist mit diesem Problem identisch, aber beide haben ein ähnliches Konzept und geben Ihnen möglicherweise Anregungen, wie Sie dies angehen können:

  • Golomb-Lineal : der eindimensionale Fall.
  • Golomb-Rechteck : Eine zweidimensionale Erweiterung des Golomb-Lineals. Eine Variante des als Costas-Array bekannten NxN-Falls (Quadrat) wird für alle N gelöst.

Beachten Sie, dass die für diese Frage erforderlichen Punkte nicht denselben Anforderungen unterliegen wie ein Golomb-Rechteck. Ein Golomb-Rechteck erstreckt sich vom eindimensionalen Fall, indem der Vektor von jedem Punkt zum anderen eindeutig sein muss. Dies bedeutet, dass zwei Punkte horizontal um einen Abstand von 2 und zwei Punkte vertikal um einen Abstand von 2 voneinander getrennt sein können.

Für diese Frage muss der skalare Abstand eindeutig sein, daher kann es nicht gleichzeitig einen horizontalen und einen vertikalen Abstand von 2 geben. Jede Lösung für diese Frage ist ein Golomb-Rechteck, aber nicht jedes Golomb-Rechteck ist eine gültige Lösung für diese Frage.


Obergrenzen

Dennis wies im Chat hilfreich darauf hin, dass 487 eine Obergrenze für die Punktzahl ist und gab einen Beweis:

Gemäß meinem CJam-Code ( 619,2m*{2f#:+}%_&,) gibt es 118800 eindeutige Zahlen, die als Summe der Quadrate von zwei Ganzzahlen zwischen 0 und 618 (beide einschließlich) geschrieben werden können. n Pixel erfordern n (n-1) / 2 eindeutige Abstände voneinander. Für n = 488 ergibt dies 118828.

Es gibt also 118.800 mögliche unterschiedliche Längen zwischen allen möglichen Pixeln im Bild, und das Platzieren von 488 schwarzen Pixeln würde 118.828 Längen ergeben, was es unmöglich macht, dass sie alle eindeutig sind.

Es würde mich sehr interessieren zu hören, ob jemand einen Beweis für eine untere obere Schranke hat.


Bestenliste

(Beste Antwort von jedem Benutzer)

Leaderboard-Bild


Stack Snippet Judge

Trichoplax
quelle
Ich hätte gerne eine Antwort von Piet hier gesehen
C5H8NNaO4
@ C5H8NNaO4 der Wettbewerb ist offen - niemand ist in der Nähe einer optimalen Lösung, so gibt es viel Raum für neue Antworten ...
Trichoplax
Da Sie Kopfgelder sowohl für die bewährte obere Schranke als auch für die experimentelle Liste von Pixeln anbieten, gehe ich davon aus, dass es eine Anwendung für dieses Problem gibt.
Fatalize
@Fatalize nicht, dass ich mir bewusst bin, aber ich wäre fasziniert, von einem zu hören. Das ähnliche Problem Costas Array hat praktische Anwendungen aufgelistet, aber ich habe nichts zu diesem speziellen Problem gefunden.
Trichoplax
1
Ich habe mir das angeschaut und glaube, dass n = 487 die minimale obere Grenze für Pixel ist. Akzeptieren Sie aus Neugier einen Beweis dafür, dass es keine geringere Obergrenze für das Kopfgeld gibt?
Mego

Antworten:

13

Python 3, 135 136 137

10 6830 20470 47750 370770 148190 306910 373250 267230 354030 30390 361470 118430 58910 197790 348450 381336 21710 183530 305050 2430 1810 365832 99038 381324 39598 262270 365886 341662 15478 9822 365950 44526 58862 24142 381150 31662 237614 118830 380846 7182 113598 306750 11950 373774 111326 272358 64310 43990 200278 381014 165310 254454 12394 382534 87894 6142 750 382478 15982 298326 70142 186478 152126 367166 1162 23426 341074 7306 76210 140770 163410 211106 207962 35282 165266 300178 120106 336110 30958 158 362758 382894 308754 88434 336918 244502 43502 54990 279910 175966 234054 196910 287284 288468 119040 275084 321268 17968 2332 86064 340044 244604 262436 111188 291868 367695 362739 370781 375723 360261 377565 383109 328689 347879 2415 319421 55707 352897 313831 302079 19051 346775 361293 328481 35445 113997 108547 309243 19439 199037 216463 62273 174471 207197 167695 296927

Wird mit einem gierigen Algorithmus gefunden, der in jeder Phase das gültige Pixel auswählt, dessen Abstandssatz zu den ausgewählten Pixeln sich mit dem der anderen Pixel am wenigsten überschneidet.

Insbesondere ist die Wertung

score(P) = sum(number of pixels with D in its distance set
               for each D in P's distance set)

und das Pixel mit der niedrigsten Punktzahl wird ausgewählt.

Die Suche wird mit dem Punkt 10(ie (0, 10)) gestartet . Dieser Teil ist einstellbar, daher kann der Beginn mit unterschiedlichen Pixeln zu besseren oder schlechteren Ergebnissen führen.

Es ist ein ziemlich langsamer Algorithmus, also versuche ich Optimierungen / Heuristiken und vielleicht ein bisschen Backtracking hinzuzufügen. PyPy wird für die Geschwindigkeit empfohlen.

Jeder, der versucht, einen Algorithmus zu entwickeln, sollte testen N = 10, für den ich 9 habe (dies erforderte jedoch viele Anpassungen und Versuche mit verschiedenen Anfangspunkten):

Bildbeschreibung hier eingeben

Code

from collections import Counter, defaultdict
import sys
import time

N = 619

start_time = time.time()

def norm(p1, p2):
    return (p1//N - p2//N)**2 + (p1%N - p2%N)**2

selected = [10]
selected_dists = {norm(p1, p2) for p1 in selected for p2 in selected if p1 != p2}
pix2dist = {} # {candidate pixel: {distances to chosen}}
dist2pix = defaultdict(set)

for pixel in range(N*N):
    if pixel in selected:
        continue

    dist_list = [norm(pixel, p) for p in selected]
    dist_set = set(dist_list)

    if len(dist_set) != len(dist_list) or dist_set & selected_dists:
        continue

    pix2dist[pixel] = dist_set

    for dist in dist_set:
        dist2pix[dist].add(pixel)

while pix2dist:
    best_score = None
    best_pixel = None

    for pixel in sorted(pix2dist): # Sorting for determinism
        score = sum(len(dist2pix[d]) for d in pix2dist[pixel])

        if best_score is None or score < best_score:
            best_score = score
            best_pixel = pixel

    added_dists = pix2dist[best_pixel]
    selected_dists |= added_dists
    del pix2dist[best_pixel]
    selected.append(best_pixel)

    for d in added_dists:
        dist2pix[d].remove(best_pixel)

    to_remove = set()
    for pixel in pix2dist:
        new_dist = norm(pixel, best_pixel)

        if (new_dist in selected_dists or new_dist in pix2dist[pixel]
                or added_dists & pix2dist[pixel]):
            to_remove.add(pixel)
            continue

        pix2dist[pixel].add(new_dist)
        dist2pix[new_dist].add(pixel)

    for pixel in to_remove:
        for d in pix2dist[pixel]:
            dist2pix[d].remove(pixel)

        del pix2dist[pixel]

    print("Selected: {}, Remaining: {}, Chosen: ({}, {})".format(len(selected), len(pix2dist),
                                                                 best_pixel//N, best_pixel%N))
    sys.stdout.flush()

print(*selected)
print("Time taken:", time.time() - start_time)
Sp3000
quelle
3
Ich bin schnell brachial N=10und es gibt viele verschiedene Layouts mit 9 Punkten, aber das ist das Beste, was Sie tun können.
Will
5

SWI-Prolog, Punktzahl 131

Kaum besser als die anfängliche Antwort, aber ich denke, dies wird die Dinge ein bisschen mehr in Gang bringen. Der Algorithmus ist derselbe wie die Python-Antwort, mit der Ausnahme, dass Pixel abwechselnd versucht werden, beginnend mit dem oberen linken Pixel (Pixel 0), dann dem unteren rechten Pixel (Pixel 383160), dann Pixel 1, dann Pixel 383159 , etc.

a(Z) :-
    N = 619,
    build_list(N,Z).

build_list(N,R) :-
    M is N*N,
    get_list([M,-1],[],L),
    reverse(L,O),
    build_list(N,O,[],[],R).

get_list([A,B|C],R,Z) :-
    X is A - 1,
    Y is B + 1,
    (X =< Y,
    Z = R
    ;
    get_list([X,Y,A,B|C],[X,Y|R],Z)).

build_list(_,[],R,_,R) :- !.
build_list(N,[A|T],R,W,Z) :-
    separated_pixel(N,A,R,W,S),
    is_set(S),
    flatten([W|S],V),!,
    build_list(N,T,[A|R],V,Z)
    ;build_list(N,T,R,W,Z).


separated_pixel(N,A,L,W,R) :-
    separated_pixel(N,A,L,[],W,R).

separated_pixel(N,A,[A|T],R,W,S) :-
        separated_pixel(N,A,T,R,W,S).

separated_pixel(N,A,[B|T],R,W,S) :-
    X is (A mod N - B mod N)*(A mod N - B mod N),
    Y is (A//N - B//N)*(A//N - B//N),
    Z is X + Y,
    \+member(Z,W),
    separated_pixel(N,A,T,[Z|R],W,S).

separated_pixel(_,_,[],R,_,R).

Eingang:

a(A).

Ausgabe:

Z = [202089, 180052, 170398, 166825, 235399, 138306, 126354, 261759, 119490, 117393, 281623, 95521, 290446, 299681, 304310, 78491, 314776, 63618, 321423, 60433, 323679, 52092, 331836, 335753, 46989, 40402, 343753, 345805, 36352, 350309, 32701, 32470, 352329, 30256, 28089, 357859, 23290, 360097, 22534, 362132, 20985, 364217, 365098, 17311, 365995, 15965, 15156, 368487, 370980, 371251, 11713, 372078, 372337, 10316, 373699, 8893, 374417, 8313, 7849, 7586, 7289, 6922, 376588, 6121, 5831, 377399, 377639, 4941, 378494, 4490, 379179, 3848, 379453, 3521, 3420, 379963, 380033, 3017, 380409, 2579, 380636, 2450, 2221, 2006, 381235, 1875, 381369, 381442, 381682, 1422, 381784, 1268, 381918, 1087, 382144, 382260, 833, 382399, 697, 382520, 622, 382584, 382647, 382772, 384, 382806, 319, 286, 382915, 382939, 190, 172, 383005, 128, 383050, 93, 383076, 68, 383099, 52, 40, 383131, 21, 383145, 10, 383153, 4, 383158, 1, 383160, 0]

Bild vom Stapel-Snippet

131 Punkte

Tödlich
quelle
Da es ein theoretisches Maximum von 487 gibt, ist sogar eine schrittweise Erhöhung signifikant ...
Trichoplax
Hat Ihre Ausgabe wie gezeigt mit dem Stapel-Snippet funktioniert? Ich hatte ein getrenntes Leerzeichen angegeben (wie in meiner Beispielantwort), aber der Hauptgrund dafür war, dass das Stapel-Snippet funktionieren würde.
Trichoplax
@trichoplax Ja, es ist ein Tippfehler, ich beginne mit Pixel 0, ich werde es beheben. Um das Bild zu erhalten, habe ich den Teil der Ausgabe zwischen den beiden eckigen Klammern ausgewählt und alle Kommas entfernt. Das Stack-Snippet scheint jedoch mit durch Kommas getrennten Pixeln zu funktionieren.
Fatalize
4

Haskell - 115 130 131 135 136

Meine Inspiration war das Sieb von Eratosthenes und insbesondere das Echte Sieb von Eratosthenes , ein Artikel von Melissa E. O'Neill vom Harvey Mudd College. Meine ursprüngliche Version (die Punkte in der Indexreihenfolge berücksichtigte) hat Punkte extrem schnell gesiebt. Aus irgendeinem Grund kann ich mich nicht erinnern, dass ich mich entschlossen habe, die Punkte zu mischen, bevor ich sie in dieser Version "siebte" (ich denke nur, um die Generierung unterschiedlicher Antworten durch Verwendung zu vereinfachen) einen neuen Startwert im Zufallsgenerator). Da die Punkte nicht mehr in irgendeiner Reihenfolge vorliegen, wird nicht mehr wirklich gesiebt, sodass es nur ein paar Minuten dauert, bis diese einzelne 115-Punkte-Antwort vorliegt. Ein Knockout Vectorwäre jetzt wahrscheinlich die bessere Wahl.

Mit dieser Version als Kontrollpunkt sehe ich also zwei Zweige, die zum Algorithmus "Genuine Sieve" zurückkehren und die Listenmonade zur Auswahl nutzen oder die SetOperationen gegen Äquivalente austauschenVector .

Bearbeiten: zweiten Version habe ich mich wieder dem Siebalgorithmus zugewandt und die Erzeugung von „Multiples“ verbessert (Ausschalten von Indizes durch Finden von Punkten an ganzzahligen Koordinaten auf Kreisen mit einem Radius, der dem Abstand zwischen zwei beliebigen Punkten entspricht, ähnlich der Erzeugung von Primzahlen) ) und einige ständige Zeitverbesserungen vornehmen, indem unnötige Neuberechnungen vermieden werden.

Aus irgendeinem Grund kann ich mit aktivierter Profilerstellung keine Neukompilierung durchführen, aber ich glaube, dass der größte Engpass jetzt in der Rückverfolgung liegt. Ich denke, ein bisschen Parallelität und Parallelität zu erforschen, wird zu linearen Beschleunigungen führen, aber die Erschöpfung des Speichers wird mich wahrscheinlich zu einer zweifachen Verbesserung bringen.

Bearbeiten: Version 3 hat sich ein wenig gewandelt, und ich habe zuerst mit einer Heuristik experimentiert, indem ich die nächsten 𝐧 Indizes (nach dem Sieben aus früheren Auswahlen) genommen und denjenigen ausgewählt habe, der den nächsten minimalen Knockout-Satz erzeugt hat. Dies endete viel zu langsam, so dass ich zu einer Brute-Force-Methode mit ganzem Suchraum zurückkehrte. Die Idee, die Punkte nach Entfernung von einem Ursprung zu ordnen, kam mir und führte zu einer Verbesserung um einen einzelnen Punkt (in der Zeit, in der meine Geduld bestand). Bei dieser Version wird der Index 0 als Ursprung gewählt. Es kann sich lohnen, den Mittelpunkt der Ebene zu prüfen.

Bearbeiten: Ich habe 4 Punkte gesammelt, indem ich den Suchbereich neu geordnet habe, um die entferntesten Punkte von der Mitte zu priorisieren. Wenn Sie meinen Code testen, ist 135 136 tatsächlich die zweite dritte gefundene Lösung. Schnelle Bearbeitung: Diese Version scheint am wahrscheinlichsten weiterhin produktiv zu sein, wenn sie weiter ausgeführt wird. Ich vermute, ich könnte mit 137 gleichziehen und dann keine Geduld mehr haben und auf 138 warten.

Eine Sache habe ich bemerkt (die Hilfe für jemanden sein kann) , ist , dass , wenn Sie setzen den Punkt Reihenfolge von der Mitte der Ebene (dh Entfernen (d*d -)vonoriginDistance ) das Bild erzeugt sieht ein bisschen wie eine spärliche Primzahl Spirale.

{-# LANGUAGE RecordWildCards #-}
{-# LANGUAGE BangPatterns #-}

module Main where

import Data.Function (on)
import Data.List     (tails, sortBy)
import Data.Maybe    (fromJust)
import Data.Ratio
import Data.Set      (fromList, toList, union, difference, member)

import System.IO

sideLength :: Int
sideLength = 619

data Point = Point {  x :: !Int,  y :: !Int } deriving (Ord, Eq)
data Delta = Delta { da :: !Int, db :: !Int }

euclidean :: Delta -> Int
euclidean Delta{..} = da*da + db*db

instance Eq Delta where
  (==) = (==) `on` euclidean

instance Ord Delta where
  compare = compare `on` euclidean

delta :: Point -> Point -> Delta
delta a b = Delta (min dx dy) (max dx dy)
  where
    dx = abs (x a - x b)
    dy = abs (y a - y b)

equidistant :: Dimension -> Point -> Point -> [Point]
equidistant d a b =
  let
    (dx, dy) = (x a - x b, y a - y b)
    m = if dx == 0 then Nothing else Just (dy % dx)                    -- Slope
    w = if dy == 0 then Nothing else Just $ maybe 0 (negate . recip) m -- Negative reciprocal
    justW = fromJust w -- Moral bankruptcy
    (px, py) = ((x a + x b) % 2, (y a + y b) % 2)                      -- Midpoint
    b0 = py - (justW * px)                                             -- Y-intercept
    f q = justW * q + b0                                               -- Perpendicular bisector
  in
   maybe (if denominator px == 1 then map (Point (numerator px)) [0..d - 1] else [])
         ( map (\q -> Point q (numerator . f . fromIntegral $ q))
         . filter ((== 1) . denominator . f . fromIntegral)
         )
         (w >> return [0..d - 1])

circle :: Dimension -> Point -> Delta -> [Point]
circle d p delta' =
  let
    square = (^(2 :: Int))
    hypoteneuse = euclidean delta'
    candidates = takeWhile ((<= hypoteneuse) . square) [0..d - 1]
    candidatesSet = fromList $ map square [0..d - 1]
    legs = filter ((`member` candidatesSet) . (hypoteneuse -) . square) candidates
    pythagoreans = zipWith Delta legs
                 $ map (\l -> floor . sqrt . (fromIntegral :: Int -> Double) $ hypoteneuse - square l) legs
  in
    toList . fromList $ concatMap (knight p) pythagoreans

knight :: Point -> Delta -> [Point]
knight Point{..} Delta{..} =
    [ Point (x + da) (y - db), Point (x + da) (y + db)
    , Point (x + db) (y - da), Point (x + db) (y + da)
    , Point (x - da) (y - db), Point (x - da) (y + db)
    , Point (x - db) (y - da), Point (x - db) (y + da)
    ]

type Dimension = Int
type Index = Int

index :: Dimension -> Point -> Index
index d Point{..} = y * d + x

point :: Dimension -> Index -> Point
point d i = Point (i `rem` d) (i `div` d)

valid :: Dimension -> Point -> Bool
valid d Point{..} = 0 <= x && x < d
                 && 0 <= y && y < d

isLT :: Ordering -> Bool
isLT LT = True
isLT _  = False

sieve :: Dimension -> [[Point]]
sieve d = [i0 : sieve' is0 [i0] [] | (i0:is0) <- tails . sortBy originDistance . map (point d) $ [0..d*d - 1]]
  where
    originDistance :: Point -> Point -> Ordering
    originDistance = compare `on` ((d*d -) . euclidean . delta (point d (d*d `div` 2)))

    sieve' :: [Point] -> [Point] -> [Delta] -> [Point]
    sieve' []     _  _ = []
    sieve' (i:is) ps ds = i : sieve' is' (i:ps) ds'
      where
        ds' = map (delta i) ps ++ ds
        knockouts = fromList [k | d' <- ds
                                , k  <- circle d i d'
                                , valid d k
                                , not . isLT $ k `originDistance` i
                                ]
            `union` fromList [k | q  <- i : ps
                                , d' <- map (delta i) ps
                                , k  <- circle d q d'
                                , valid d k
                                , not . isLT $ k `originDistance` i
                                ]
            `union` fromList [e | q <- ps
                                , e <- equidistant d i q
                                , valid d e
                                , not . isLT $ e `originDistance` i
                                ]
        is' = sortBy originDistance . toList $ fromList is `difference` knockouts

main :: IO ()
main = do let answers = strictlyIncreasingLength . map (map (index sideLength)) $ sieve sideLength
          hSetBuffering stdout LineBuffering
          mapM_ (putStrLn . unwords . map show) $ answers
  where
    strictlyIncreasingLength :: [[a]] -> [[a]]
    strictlyIncreasingLength = go 0
      where
        go _ []     = []
        go n (x:xs) = if n < length x then x : go (length x) xs else go n xs

Ausgabe

1237 381923 382543 382541 1238 1857 380066 5 380687 378828 611 5571 382553 377587 375113 3705 8664 376356 602 1253 381942 370161 12376 15475 7413 383131 367691 380092 376373 362114 36 4921 368291 19180 382503 26617 3052 359029 353451 29716 382596 372674 352203 8091 25395 12959 382479 381987 35894 346031 1166 371346 336118 48276 2555 332400 46433 29675 380597 13066 382019 1138 339859 368230 29142 58174 315070 326847 56345 337940 2590 382663 320627 70553 19278 7309 82942 84804 64399 5707 461 286598 363864 292161 89126 371267 377122 270502 109556 263694 43864 382957 824 303886 248218 18417 347372 282290 144227 354820 382909 380301 382808 334361 375341 2197 260623 222212 196214 231526 177637 29884 251280 366739 39442 143568 132420 334718 160894 353132 78125 306866 140600 297272 54150 240054 98840 219257 189278 94968 226987 265881 180959 142006 218763 214475
RB
quelle
Beeindruckende Verbesserungen. Sie haben noch 2 Stunden Zeit, um 138 zu erreichen, bevor das Kopfgeld zugewiesen wird. Gute Arbeit so oder so ...
Trichoplax
Es ist unwahrscheinlich, dass ich dieses Ziel erreiche. Es ist mir immer noch nicht gelungen, eine Menge von 137 Elementen zu generieren. Ich denke, diese Methode ist wahrscheinlich abgehackt ...
RB
Interessant ist, dass zwei unterschiedliche Antworten mit unterschiedlichen Ansätzen ein Maximum in der gleichen Größenordnung erreichen.
Trichoplax
Ich denke, die Obergrenze ist wahrscheinlich ziemlich nahe. Betrachten Sie eine unendliche Ebene und zwei beliebige Punkte. Durch die optimale Platzierung dieser Punkte mit beliebigem Abstand wird ddie Anzahl der anderen von der Betrachtung ausgeschlossenen Punkte minimiert, indem Radiuskreise dmit Mittelpunkten der beiden ausgewählten Punkte nachgezeichnet werden, wobei der Umfang nur drei andere ganzzahlige Koordinaten berührt (bei 90, 180 und 270 Grad Drehung) der Kreis) und die senkrechte Halbierungslinie, die keine ganzzahligen Koordinaten schneidet. Somit n+1schließt jeder neue Punkt 6nandere Punkte von der Betrachtung aus (bei optimaler Auswahl).
RB
3

Python 3, Punktzahl 129

Dies ist eine beispielhafte Antwort, um den Anfang zu machen.

Nur eine naive Herangehensweise, bei der die Pixel der Reihe nach durchlaufen werden und das erste Pixel ausgewählt wird, bei dem kein doppelter Abstand entsteht, bis die Pixel ausgehen.

Code

width = 619
height = 619
area = width * height
currentAttempt = 0

temporaryLengths = []
lengths = []
points = []
pixels = []
for i in range(area):
    pixels.append(0)


def generate_points():
    global lengths
    while True:
        candidate = vacantPixel()
        if isUnique(candidate):
            lengths += temporaryLengths
            pixels[candidate] = 1
            points.append(candidate)
            print(candidate)
        if currentAttempt == area:
            break
    filename = 'uniquely-separated-points.txt'
    with open(filename, 'w') as file:
        file.write(' '.join(points))


def isUnique(n):
    x = n % width
    y = int(n / width)
    temporaryLengths[:] = []
    for i in range(len(points)):
        point = points[i]
        a = point % width
        b = int(point / width)
        d = distance(x, y, a, b)
        if d in lengths or d in temporaryLengths: 
            return False
        temporaryLengths.append(d)
    return True


def distance(x1, y1, x2, y2):
    xd = x2 - x1
    yd = y2 - y1
    return (xd*xd + yd*yd) ** 0.5


def vacantPixel():
    global currentAttempt
    while True:
        n = currentAttempt
        currentAttempt += 1
        if pixels[n] == 0:
            break
    return n


generate_points()

Ausgabe

0 1 3 7 12 20 30 44 65 80 96 122 147 181 203 251 289 360 400 474 564 592 627 660 747 890 1002 1155 1289 1417 1701 1789 1895 2101 2162 2560 2609 3085 3121 3331 3607 4009 4084 4242 4495 5374 5695 6424 6762 6808 7250 8026 8356 9001 9694 10098 11625 12881 13730 14778 15321 16091 16498 18507 19744 20163 20895 23179 25336 27397 31366 32512 33415 33949 39242 41075 46730 47394 48377 59911 61256 66285 69786 73684 79197 89530 95447 102317 107717 111751 116167 123198 126807 130541 149163 149885 154285 159655 163397 173667 173872 176305 189079 195987 206740 209329 214653 220911 230561 240814 249310 269071 274262 276855 285295 305962 306385 306515 312310 314505 324368 328071 348061 350671 351971 354092 361387 369933 376153

Bild vom Stapel-Snippet

Bild von 129 einzigartig getrennten Pixeln

Trichoplax
quelle
3

Python 3, 130

Zum Vergleich hier eine rekursive Backtracker-Implementierung:

N = 619

def norm(p1, p2):
    return (p1//N - p2//N)**2 + (p1%N - p2%N)**2

def solve(selected, dists):
    global best

    if len(selected) > best:
        print(len(selected), "|", *selected)
        best = len(selected)

    for pixel in (range(selected[-1]+1, N*N) if selected else range((N+1)//2+1)):
        # By symmetry, place first pixel in first half of top row
        added_dists = [norm(pixel, p) for p in selected]
        added_set = set(added_dists)

        if len(added_set) != len(added_dists) or added_set & dists:
            continue

        selected.append(pixel)
        dists |= added_set

        solve(selected, dists)

        selected.pop()
        dists -= added_set

print("N =", N)
best = 0
selected = []
dists = set()
solve(selected, dists)

Es findet die folgende 130-Pixel-Lösung schnell, bevor es zu ersticken beginnt:

0 1 3 7 12 20 30 44 65 80 96 122 147 181 203 251 289 360 400 474 564 592 627 660 747 890 1002 1155 1289 1417 1701 1789 1895 2101 2162 2560 2609 3085 3121 3331 3607 4009 4084 4242 4495 5374 5695 6424 6762 6808 7250 8026 8356 9001 9694 10098 11625 12881 13730 14778 15321 16091 16498 18507 19744 20163 20895 23179 25336 27397 31366 32512 33415 33949 39242 41075 46730 47394 48377 59911 61256 66285 69786 73684 79197 89530 95447 102317 107717 111751 116167 123198 126807 130541 149163 149885 154285 159655 163397 173667 173872 176305 189079 195987 206740 209329 214653 220911 230561 240814 249310 269071 274262 276855 285295 305962 306385 306515 312310 314505 324368 328071 348061 350671 351971 354092 361387 371800 376153 378169

Noch wichtiger ist, dass ich damit Lösungen für kleine Fälle überprüfe. Für N <= 8die optimalen sind:

1: 1 (0)
2: 2 (0 1)
3: 3 (0 1 5)
4: 4 (0 1 6 12)
5: 5 (0 1 4 11 23)
6: 6 (0 1 9 23 32 35)
7: 7 (0 2 9 20 21 40 48)
8: 7 (0 1 3 12 22 56 61)
9: 8 (0 1 3 8 15 37 62 77)
10: 9 (0 1 7 12 30 53 69 80 89)

In Klammern sind die ersten lexikografischen Optimale aufgeführt.

Unbestätigt:

11: 10 (0 2 3 7 21 59 66 95 107 120)
12: 10 (0 1 3 7 33 44 78 121 130 140)
Sp3000
quelle
3

Scala, 132

Scannt von links nach rechts und von oben nach unten wie bei der naiven Lösung, versucht jedoch, an verschiedenen Pixelpositionen zu beginnen.

import math.pow
import math.sqrt

val height, width = 619
val area = height * width

case class Point(x: Int, y: Int)

def generate(n: Int): Set[Point] = {

  def distance(p: Point, q: Point) = {
    def square(x: Int) = x * x
    sqrt(square(q.x - p.x) + square(q.y - p.y))
  }

  def hasDuplicates(s: Seq[_]) = s.toSet.size != s.size

  def rotate(s: Vector[Point]): Vector[Point] = s.drop(n) ++ s.take(n)

  val remaining: Vector[Point] =
    rotate((for (y <- 0 until height; x <- 0 until width) yield { Point(x, y) }).toVector)
  var unique = Set.empty[Point]
  var distances = Set.empty[Double]
  for (candidate <- remaining) {
    if (!unique.exists(p => distances.contains(distance(candidate, p)))) {
      val candidateDistances = unique.toSeq.map(p => distance(candidate, p))
      if (!hasDuplicates(candidateDistances)) {
        unique = unique + candidate
        distances = distances ++ candidateDistances
      }
    }
  }
  unique
}

def print(s: Set[Point]) = {
  def toRowMajor(p: Point) = p.y*height + p.x
  println(bestPixels.map(toRowMajor).toSeq.sorted.mkString(" "))
}

var bestPixels = Set.empty[Point]
for (n <- 0 until area) {                                                                                                                                                                                          
  val pixels = generate(n)
  if (pixels.size > bestPixels.size) bestPixels = pixels
}
print(bestPixels)

Ausgabe

302 303 305 309 314 322 332 346 367 382 398 424 449 483 505 553 591 619 647 680 719 813 862 945 1014 1247 1459 1700 1740 1811 1861 1979 2301 2511 2681 2913 3114 3262 3368 4253 4483 4608 4753 5202 5522 5760 6246 6474 6579 6795 7498 8062 8573 8664 9903 10023 10567 10790 11136 12000 14153 15908 17314 17507 19331 20563 20941 22339 25131 26454 28475 31656 38328 39226 40214 50838 53240 56316 60690 61745 62374 68522 71208 78598 80204 86005 89218 93388 101623 112924 115702 118324 123874 132852 136186 139775 144948 154274 159730 182200 193642 203150 203616 213145 214149 218519 219744 226729 240795 243327 261196 262036 271094 278680 282306 289651 303297 311298 315371 318124 321962 330614 336472 343091 346698 354881 359476 361983 366972 369552 380486 382491
Dave Swartz
quelle
3
Nur den Ball ins Rollen bringen ...
Dave Swartz
3

Python, 134 132

Hier ist eine einfache Methode, die einen Teil des Suchraums zufällig auswählt, um einen größeren Bereich abzudecken. Die Punkte in der Entfernung von einer Ursprungsreihenfolge werden iteriert. Dabei werden Punkte übersprungen, die sich in der gleichen Entfernung vom Ursprung befinden, und es wird frühzeitig abgebrochen, wenn keine Verbesserung der besten Ergebnisse erzielt werden kann. Es läuft auf unbestimmte Zeit.

from random import *
from bisect import *

W = H = 619
pts = []
deepest = 0
lengths = set()

def place(x, y):
    global lengths
    pos = (x, y)
    for px, py in pts:
        dist = (x-px)*(x-px) + (y-py)*(y-py)
        if dist in lengths:
            return False
    dists = set((x-px)*(x-px) + (y-py)*(y-py) for px, py in pts)
    if len(dists) != len(pts):
        return False
    lengths |= dists
    pts.append(pos)
    return True

def unplace():
    x, y = pos = pts.pop()
    for px, py in pts:
        dist = (x-px)*(x-px) + (y-py)*(y-py)
        lengths.remove(dist)

def walk(i):
    global deepest, backtrack
    depth = len(pts)
    while i < W*H:
        d, x, y, rem = order[i]
        if rem+depth <= deepest: # early out if remaining unique distances mean we can't improve
            return
        i += 1
        if place(x, y):
            j = i
            while j < W*H and order[j][0] == d: # skip those the same distance from origin
                j += 1
            walk(j)
            unplace()
            if backtrack <= depth:
                break
            if not randint(0, 5): # time to give up and explore elsewhere?
                backtrack = randint(0, len(pts))
                break
            backtrack = W*H # remove restriction
    if depth >= deepest:
        deepest = depth
        print (ox, oy), depth, "=", " ".join(str(y*W+x) for x, y in pts)

try:
    primes = (0,1,2,3,5,7,11,13,17,19,23,29,31,37,41,43,47,53,59,61,67,71,73,79,83,89,97)
    while True:
        backtrack = W*H
        ox, oy = choice(primes), choice(primes) # random origin coordinates
        order = sorted((float((ox-x)**2+(oy-y)**2)+random(), x, y) for x in xrange(W) for y in xrange(H))
        rem = sorted(set(int(o[0]) for o in order)) # ordered list of unique distances
        rem = {r: len(rem)-bisect_right(rem, r) for r in rem} # for each unique distance, how many remain?
        order = tuple((int(d), x, y, rem[int(d)]) for i, (d, x, y) in enumerate(order))
        walk(0)
except KeyboardInterrupt:
    print

Es findet schnell Lösungen mit 134 Punkten:

3097 3098 2477 4333 3101 5576 1247 9 8666 8058 12381 1257 6209 15488 6837 21674 19212 26000 24783 1281 29728 33436 6863 37767 26665 14297 4402 43363 50144 52624 18651 9996 588353 42792 6295 69950 48985 3435353353353 632 113313 88637 122569 11956 36098 79401 61471 135610 31796 4570 150418 57797 4581 125201 151128 115936 165898 127697 162290 33091 20098 189414 187620 186440 91290 206766 35619 69033 351 186511 129058 228458 69003567 23667 249115 21544 95185 231226 54354 104483 280665 518 147181 318363 1793 248609 82260 52568 365227 361603 346849 331462 69310 90988 341446 229599 277828 382837 339014 323612 365040 269883 307597 37446016 316

Für die Neugierigen sind hier einige brachiale kleine N:

3  =  0  2  3
4  =  0  2  4  7
5  =  0  2  5 17 23
6  =  0 12 21 28 29 30
7  =  4  6 11 14 27 36 42
8  =  0  2  8 11 42 55 56
9  =  0  2  9 12 26 50 63 71
10 =  0  2  7 10 35 75 86 89  93
11 =  0 23 31 65 66 75 77 95 114 117
Wille
quelle
Haben Sie versucht, dies durch PyPy auszuführen ?
Trichoplax
1
@trichoplax Ich führe diese Hobby-Dinge immer sowohl auf pypy als auch auf cpython aus, und wenn cpython schneller ist, lege ich Tickets auf pypy ab. In diesem speziellen Fall ist pypy ziemlich viel schneller als cpython und so habe ich diese Zahlen erhalten :)
Will
Ich bin interessiert, was bedeutet "schnell"?
Kain
@Cain "schnell" war ca. 5 Minuten iirc
Will
2

Fantom 96

Ich habe einen Evolutionsalgorithmus verwendet, im Grunde genommen k zufällige Punkte auf einmal addiert, das für j verschiedene zufällige Mengen gemacht, dann die beste ausgewählt und wiederholt. Ziemlich schreckliche Antwort im Moment, aber das läuft mit nur 2 Kindern pro Generation aus Gründen der Geschwindigkeit, die fast nur zufällig ist. Ich werde ein bisschen mit den Parametern spielen, um zu sehen, wie es läuft, und ich brauche wahrscheinlich eine bessere Bewertungsfunktion als die Anzahl der verbleibenden freien Plätze.

class Pixel
{
  static const Int n := 619
  static const Int stepSize := 20
  static const Int generationSize := 5
  static const |Int, Int -> Int| d := |Int x, Int y -> Int| {
      d1 := x%n - y%n
      d2 := x/n - y/n
      return d1.pow(2) + d2.pow(2)
    }


  public static Void main(){

    //Initialize

    [Int: Int[][]] disMap := [:]
    Int[] freeSpots := (0..<n*n).toList
    Int[] pixels := [,]
    Int[] distances := [,]





    genNum := 0
    children := [,]
    while(freeSpots.size > 0){
      echo("Generation: ${genNum++} \t Spots Left: ${freeSpots.size} \t Pixels added: $pixels.size \t Distances used: $distances.size uniqueDistances: $distances.unique.size" )
      echo(distances)
      echo("Pixels: " + pixels.join(" "))
      //echo("Distances: $distances")
      //Generate children
      children = [,]
      generationSize.times{
        //echo("\tStarting child $it")
        i := Int.random(0..<freeSpots.size)
        childFreeSpots := freeSpots.dup
        childPixels := pixels.dup
        childDistances := distances.dup

        for(Int step := 0; step < stepSize; step++){

          if( i < childFreeSpots.size){
            //Choose a pixel
            pixel := childFreeSpots.removeAt(i)
            //echo("\t\tAdding pixel $pixel")

            //Remove neighbors that are the new distances away
            ///Find distances
            newDis := [,]
            childPixels.each { 
              newDis.add(d(pixel, it))
            }

            //Check that there are no equal distances
            if(newDis.size != newDis.unique.size) continue



            //Remove neighbors
            childPixels.each | Int childPixel|{
              newDis.each |Int dis|{
                neighbors := getNeighbors(childPixel, dis, disMap)
                neighbors.each| Int n |{
                  index := childFreeSpots.binarySearch(n)
                  if(index >= 0) childFreeSpots.removeAt(index)
                }
              }
            }
            //echo("Removed neighbors: $test")
            //Remove all the neighbors of new pixel
            childDistances.addAll(newDis)
            childDistances.each|Int dis| {   
              neighbors := getNeighbors(pixel, dis, disMap)
              childFreeSpots.removeAll(neighbors)
            }

            //Add new pixel
            childPixels.add(pixel)  
          }
        }
        children.add([childPixels.dup, childDistances.dup, childFreeSpots.dup])
        echo("\tChild $it: pixels: $childPixels.size \t distances: $childDistances.size \t freeSpots: $childFreeSpots.size")
      }

      //Score children and keep best one as new parent
      Obj?[][] parent := children.max |Int[][] a, Int[][] b -> Int| { return (a.last.size  + a.first.size*10000) <=> (b.last.size + b.first.size*10000)  }
      pixels = parent.first
      distances = parent[1]
      freeSpots = parent.last

    }//End while


    //Return result
    echo("Size: " + pixels.size)
    echo(pixels.join(" "))





  }

  private static Bool checkValid(Int[] pixels){
    distances := [,]
    pixels[0..-2].each|Int p, Int i|{
      for(Int j := i + 1; j < pixels.size; j++){
        distances.add(d(p, pixels[j]))
      }
    }
    if(distances.size > distances.unique.size){
      echo("Duplicate distance found!!!!")
      echo("Pixel $pixels.last is not valid")
      return false
    }
    return true
  }

  public static Int[] getNeighbors(Int spot, Int distance, [Int : Int[][]] disMap ){
    result := [,]
    //Check hash map
    pairs := disMap.get(distance, null)

    //Find possible int pairs if not already in the map
    if(pairs == null){
      for(Int i := 0; i*i <= distance; i++ ){
        for(Int j := i; j*j + i*i <= distance; j++){
          if(i.pow(2) + j.pow(2) == distance){
            pairs.add([i, j])
          }
        }
      }
      disMap.add(distance, pairs)
    }

    pairs.each|Int[] pair|{
      //Find neighbors with pair
      x := pair.first
      y := pair.last
      2.times{ 
        //Positive x
        result.add(spot + x + y*n)
        result.add(spot + x - y*n)

        //negative x
        result.add(spot - x + y*n)
        result.add(spot - x - y*n)

        //Swap x and y and repeat
        temp := x
        x = y
        y = temp
      }
    }

    return result.findAll |Int i -> Bool| { i >= 0 }.unique
  }

}

Ausgabe

17595 17596 17601 17627 17670 17726 17778 17861 17956 18117 18324 18733 19145 19597 20244 21139 21857 22742 24078 25343 28577 30152 32027 34406 37008 39864 42313 44820 48049 52193 55496 59707 64551 69976 74152 79758 84392 91782 98996 104625 150212 158877 169579 178660 189201 201343 213643 225998 238177 251012 263553 276797 290790 304915 319247 332702 347266 359665 373683 125899 144678 170677 195503 220092 244336 269861 289473 308633 326736 343756 358781 374280 131880 172485 212011 245015 277131 302055 321747 347911 363717 379166 249798 284200 313870 331913 360712 378024 9704 141872 249686 293656 357038 357596 370392 381963
Kain
quelle
1
Oh wow, du hast recht, es tut mir leid. Hmm, muss nicht alles kopiert haben, als ich es getestet habe. Ich werde alles in Ordnung bringen und mit einem Update antworten
Cain
Ahh, ich habe es herausgefunden, als ich ein neues Pixel hinzugefügt habe, habe ich nicht überprüft, ob es nicht gleich weit von zwei anderen Pixeln entfernt ist
Cain
Es wurde behoben, aber es ist jetzt wirklich zum Kotzen, ich glaube, ich finde versehentlich eine schlechteste Lösung anstelle der besten
Cain
Zumindest funktioniert es jetzt, so dass Sie die Parameter optimieren und sehen können, ob Sie das Ergebnis verbessern können. Schön, einen anderen neuen Ansatz zu sehen. +1
Trichoplax
1

Python 3, 119

Ich kann mich nicht mehr erinnern, warum ich diese Funktion benannt habe mc_usp , obwohl ich vermute, dass sie etwas mit Markov-Ketten zu tun hat. Hier veröffentliche ich meinen Code, den ich ungefähr 7 Stunden mit PyPy laufen ließ. Das Programm versucht, 100 verschiedene Sätze von Pixeln aufzubauen, indem es zufällig Pixel auswählt, bis jedes Pixel im Bild überprüft wurde, und einen der besten Sätze zurückgibt.

In einem anderen Punkt sollten wir wirklich versuchen, eine Obergrenze zu finden N=619, die besser als 488 ist, da diese Zahl nach den Antworten hier viel zu hoch ist. Rowan Blushs Kommentar, wie jeder neue Punkt n+1potenziell 6*nPunkte mit optimaler Auswahl entfernen kann, schien eine gute Idee zu sein. Leider ist diese Idee bei der Überprüfung der Formel a(1) = 1; a(n+1) = a(n) + 6*n + 1, bei der a(n)die Anzahl der Punkte nach dem Hinzufügen von nPunkten zu unserer Menge entfernt wird, möglicherweise nicht die beste Lösung. Prüfen, wann a(n)größer als N**2ist a(200), größer als 619**2verspricht, aber a(n)größer als . Ich werde Sie auf dem Laufenden halten, wenn ich versuche, eine bessere Obergrenze zu finden, aber Vorschläge sind willkommen.10**2 ist, haben a(7)wir bewiesen, dass 9 die tatsächliche Obergrenze für istN=10

Auf meine Antwort. Erstens mein Satz von 119 Pixeln.

15092 27213 294010 340676 353925 187345 127347 21039 28187 4607 23476 324112 375223 174798 246025 185935 186668 138651 273347 318338 175447 316166 158342 97442 361309 251283 29986 98029 339602 292202 304041 353401 236737 324696 42096 102574 357602 66845 40159 57866 3291 24583 254208 357748 304592 86863 19270 228963 87315 355845 55101 282039 83682 55643 292167 268632 118162 48494 378303 128634 117583 841 178939 20941 161231 247142 110205 211040 90946 170124 362592 327093 336321 291050 29880 279825 212675 138043 344012 187576 168354 28193 331713 329875 321927 129452 163450 1949 186448 50734 14422 3761 322400 318075 77824 36391 31016 33491 360713 352240 45316 79905 376004 310778 382640 383077 359178 14245 275451 362125 268047 23437 239772 299047 294065 46335 112345 382617 79986

Zweitens mein Code, der zufällig einen Startpunkt aus einem Oktanten des 619x619-Quadrats auswählt (da der Startpunkt ansonsten bei Drehung und Reflexion gleich ist) und dann jeden zweiten Punkt aus dem Rest des Quadrats.

import random
import time

start_time = time.time()
print(start_time)

def mc_usp_v3(N, z, k=100, m=1.0):
    """
    At m=1.0, it keeps randomly picking points until we've checked every point. Oh dear.
    """
    ceil = -(-N//2)
    a=random.randint(0,ceil)
    b=random.randint(a,ceil)
    r=[a*N+b]

    best_overall = r[:]
    all_best = []
    best_in_shuffle = r[:]
    num_shuffles = 0
    num_missteps = 0
    len_best = 1

    while num_shuffles < k and len(best_overall) < z:
        dist = []
        missteps = []
        points_left = list(range(N*N))
        points_left.remove(r[0])

        while len_best + num_missteps < m*N*N and len(points_left):
            index = random.randint(0, len(points_left)-1)
            point = points_left[index]
            points_left.pop(index)
            dist, better = euclid(r, point, dist, N)

            if better and len(r) + 1 > len_best:
                r.append(point)
                best_in_shuffle = r[:]
                len_best += 1
            else:
                missteps.append(point)
                num_missteps += 1

        else:
            print(num_shuffles, len(best_overall), len_best, num_missteps, time.time() - start_time)

            num_shuffles += 1
            num_missteps = 0
            missteps = []

            if len(best_in_shuffle) == len(best_overall):
                all_best.append(best_in_shuffle)
                print(best_in_shuffle)

            if len(best_in_shuffle) > len(best_overall):
                best_overall = best_in_shuffle[:]
                all_best = [best_overall]
                print(best_overall)
            a=random.randint(0,ceil)
            b=random.randint(a,ceil)
            r=[a*N+b]
            best_in_shuffle = r[:]
            len_best = 1
    return len(best_overall), all_best

def euclid(point_set, new_point, dist, N):
    new_dist = []
    unique = True
    a,b=divmod(new_point, N)
    for point in point_set:
        c,d=divmod(point, N)
        current_dist = (a-c)**2+(b-d)**2
        if current_dist in dist or current_dist in new_dist:
            unique = False
            break
        new_dist.append(current_dist)
    if unique:
        dist += new_dist
    return dist, unique

def mcusp_format(mcusp_results):
    length, all_best = mcusp_results
    return " ".join(str(i) for i in all_best[0])

print(mcusp_format(mc_usp_v3(10, 20, 100, 1.0)))
print(mcusp_format(mc_usp_v3(619, 488, 100, 1.0)))
print(time.time()-start_time)
Sherlock9
quelle