小编sol*_*lub的帖子

简而言之：

我在Python 2.7中执行Wave Collapse Function算法的实现存在缺陷，但是我无法确定问题所在。我需要帮助来找出我可能会丢失或做错的事情。

什么是波崩函数算法？

它是Maxim Gumin在2016年编写的一种算法，可以从样本图像生成程序模式。您可以在此处（2D重叠模型）和此处（3D切片模型）看到它的实际效果。

实施目标：

将算法（2D重叠模型）简化为本质，并避免原始C＃脚本的冗长和笨拙（令人惊讶的是，它很长且难以阅读）。这是尝试使该算法更短，更清晰和pythonic版本。

此实现的特征：

我正在使用处理（Python模式），这是一种用于视觉设计的软件，可简化图像处理（没有PIL，没有Matplotlib等）。主要缺点是我仅限于Python 2.7，并且无法导入numpy。

与原始版本不同，此实现：

• 不是面向对象的（处于当前状态），因此更易于理解/更接近伪代码
• 使用一维数组而不是二维数组
• 使用数组切片进行矩阵处理

算法（据我了解）

1 /读取输入位图，存储每个NxN模式并计数它们的出现。（可选：具有旋转和反射的增强图案数据。）

例如，当N = 3时：

2 /预计算并存储模式之间的所有可能的邻接关系。在下面的示例中，图案207、242、182和125可以与图案246的右侧重叠

3 /创建一个具有输出尺寸的数组（称为Wwave）。这个阵列的每个元素是一个数组保持状态（True的False每个图案的）。

例如，假设我们在输入中计算了326个唯一模式，并且希望输出尺寸为20 x 20（400个单元）。然后，“ Wave”数组将包含400个（20x20）数组，每个数组包含326个布尔值。

开始时，所有布尔值都设置为，True因为在Wave的任何位置都允许使用每个模式。

W = [[True for pattern in xrange(len(patterns))] for cell in xrange(20*20)]

4 /使用输出的尺寸创建另一个数组（称为H）。该数组的每个元素都是一个浮点数，在输出中保留其对应单元格的“熵”值。

此处的熵是指香农熵，它是根据Wave中特定位置的有效模式数量来计算的。单元格的有效模式（True在Wave中设置为）越多，其熵就越高。 …

我需要帮助来实现一个允许生成建筑计划的算法,我最近在阅读Kostas Terzidis教授的最新出版物:排列设计:建筑,文本和上下文(2014)时偶然发现了这一点.

CONTEXT

• 考虑一个分为网格系统(a)的站点(b).
• 让我们考虑一个位于场地(c)范围内的空间列表和一个邻接矩阵来确定这些空间的放置条件和相邻关系(d)

引用Terzidis教授:

"解决这个问题的一种方法是随机地在网格中放置空格,直到所有空间都合适并且满足约束条件"

上图显示了这样的问题和样本解决方案(f).

算法(如书中简要描述)

1 /"每个空格都与一个列表相关联,该列表包含根据其所需邻域的程度排序的所有其他空格."

2 /"然后从列表中选择每个空间的每个单元,然后逐个放置在站点中,直到它们适合站点并满足相邻条件.(如果失败,则重复该过程)"

九个随机生成计划的示例:

我应该补充一点,作者后来解释说这个算法不依赖于暴力技术.

问题

如您所见,解释相对模糊,第2步相当不清楚(在编码方面).到目前为止我所有的都是"拼图":

• "网站"(所选整数列表)
• 邻接矩阵(嵌套列表)
• "空格"(列表字典)

每个单位:

• 返回其直接邻居的函数
• 它的理想邻居列表,其索引按排序顺序排列

• 基于其实际邻居的健康分数

  from random import shuffle
  
  n_col, n_row = 7, 5
  to_skip = [0, 1, 21, 22, 23, 24, 28, 29, 30, 31]
  site = [i for i in range(n_col * n_row) if i not in to_skip]
  fitness, grid = [[None if i in to_skip else [] for i in range(n_col * …

  Run Code Online (Sandbox Code Playgroud)

我是 SAT 求解器的新手，需要一些有关以下问题的指导。

考虑到：

? 我在 4*4 网格中选择了 14 个相邻的单元格

? 我有 5 个多联骨牌（A、B、C、D、E），大小分别为 4、2、5、2 和 1

? 这些多联骨是自由的，即它们的形状不是固定的，可以形成不同的图案。

如何使用 SAT 求解器计算所选区域（灰色单元格）内这 5 个自由多联骨牌的所有可能组合？

借用@spinkus 有见地的答案和 OR-tools 文档，我可以制作以下示例代码（在 Jupyter Notebook 中运行）：

from ortools.sat.python import cp_model

import numpy as np
import more_itertools as mit
import matplotlib.pyplot as plt
%matplotlib inline


W, H = 4, 4 #Dimensions of grid
sizes = (4, 2, 5, 2, 1) #Size of each polyomino
labels = np.arange(len(sizes))  #Label of each …

我想在具有景深效果的3D画布(处理中)上显示数千个点.更具体地说,我想使用z缓冲区(深度缓冲)来调整point基于其与相机的距离的模糊水平.

到目前为止,我可以提出以下点着色器:

pointfrag.glsl

#ifdef GL_ES
precision mediump float;
precision mediump int;
#endif

varying vec4 vertColor;
uniform float maxDepth;

void main() {

  float depth = gl_FragCoord.z / gl_FragCoord.w;
  gl_FragColor = vec4(vec3(vertColor - depth/maxDepth), 1) ;

}

pointvert.glsl

uniform mat4 projection;
uniform mat4 modelview;

attribute vec4 position;
attribute vec4 color;
attribute vec2 offset;


varying vec4 vertColor;
varying vec4 vertTexCoord;

void main() {
  vec4 pos = modelview * position;
  vec4 clip = projection * pos;

  gl_Position = clip + projection * …

我在尝试为 Windows 10 机器上的 Jupyter Notebook 设置 pypy3 内核时遇到问题。

按照这 2 个其他相关线程 ( 1 , 2 ) 的说明，我已经使用ipykernel了该命令，pypy3 -m pip install ipykernel但似乎安装在某些时候遇到了错误：

Collecting ipykernel
  Using cached ipykernel-5.2.1-py3-none-any.whl (118 kB)
Collecting ipython>=5.0.0
  Using cached ipython-7.14.0-py3-none-any.whl (782 kB)
Collecting traitlets>=4.1.0
  Using cached traitlets-4.3.3-py2.py3-none-any.whl (75 kB)
Collecting jupyter-client
  Using cached jupyter_client-6.1.3-py3-none-any.whl (106 kB)
Collecting tornado>=4.2
  Using cached tornado-6.0.4.tar.gz (496 kB)
Requirement already satisfied: setuptools>=18.5 in c:\pypy3\site-packages (from ipython>=5.0.0->ipykernel) (44.0.0)
Collecting jedi>=0.10
  Using cached jedi-0.17.0-py2.py3-none-any.whl (1.1 MB)
Collecting decorator
  Using …

我正在尝试用Python计算Davies-Bouldin 指数。

以下是下面的代码尝试重现的步骤。

5 个步骤：

1. 对于每个簇，计算每个点到质心之间的欧氏距离
2. 对于每个簇，计算这些距离的平均值
3. 对于每对簇，计算它们质心之间的欧氏距离

然后，

4. 对于每对簇，求其到各自质心的平均距离之和（在步骤 2 中计算），并将其除以它们之间的距离（在步骤 3 中计算）。

最后，

5. 计算所有这些划分（=所有索引）的平均值以获得整个聚类的 Davies-Bouldin 索引

代码

def daviesbouldin(X, labels, centroids):

    import numpy as np
    from scipy.spatial.distance import pdist, euclidean
    
    nbre_of_clusters = len(centroids) #Get the number of clusters
    distances = [[] for e in range(nbre_of_clusters)] #Store intra-cluster distances by cluster
    distances_means = [] #Store the mean of these distances
    DB_indexes = [] #Store Davies_Boulin index of each pair of cluster
    second_cluster_idx = [] #Store index of …

我想：

• 多次平移、反转和旋转单个四边形（PShape 对象）
• 然后更改其两个顶部顶点之一的高度

int W = 40;
int H = 40;
int offset = 10; 

float[] p0 = {-W/2, -H/2};
float[] p1 = {-W/2,  H/2};
float[] p2 = {W/2, H/2};
float[] p3 = {W/2, -H/2 - offset};

PShape object;


void setup(){
    size(600, 600, P2D);
    smooth(8); …