API tools faq
paste
Advertisement
Guest User

Untitled

a guest
Feb 21st, 2020
123
0
Never
Add comment
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
text 12.44 KB | None | 0 0
raw download clone embed print report
  1. import numpy as np
  2. import matplotlib.pyplot as plt
  3. import math
  4.  
  5. ## Задание первоначальных данных ##
  6. rasp_ver_i={} # Распределение вероятности P(xi)
  7. A = 12
  8. alpha = - 0.02
  9. beta = 5
  10. n = [x for x in range(0,A)]
  11. i = [x for x in range(1,A+1)]
  12. Sum1 = 0
  13. g = 1
  14. for o in range(A):
  15. Sum1 += (math.e ** (alpha*(g - beta) ** 2))
  16. g += 1 # Вычисление суммы в знаменателе
  17. pref = 0
  18. Pxi = list() # Вычисление распределения вероятности
  19. for l in range(1, A + 1,1):
  20. pref = (math.e ** (alpha*(l - beta) ** 2) / Sum1)
  21. Pxi.append(pref)
  22. for x in i: # Задание таблицы (словаря) соответствий i - P(xi)
  23. rasp_ver_i[x] = Pxi[x-1]
  24. #print(rasp_ver_i, end='\n\n') # Вывод таблицы на экран
  25. P0=[]
  26. for x in i:
  27. P0.append(1/A)
  28.  
  29. PP = [[0 for j in range (0,A+1)] for i in range (0,A+1)] ## Создали массив, пока что с нуликами, в дальнейшем после каждого цикла он будет заполняться
  30. ## Расчет апостериорных вероятностей ##
  31.  
  32. def aposterior(P): ## Возвращает каждый цикл PP с новыми значениями
  33. global PP ## Обозначаем глобальную переменную, переменная становится доступной для следующего после оператора
  34. for c in range(1,A+1):
  35. PP[0][c] = P[c-1]
  36. for d in range(1,A):
  37. sum = [PP[d-1][k] for k in range(1,d+1)]
  38. Py=1-np.sum(sum)
  39. for f in range(1,A+1):
  40. if f <= d:
  41. PP[d][f] = 0
  42. else:
  43. PP[d][f] = (PP[d-1][f])/Py
  44. for a in range(0,A+1):
  45. for b in range(0,A+1):
  46. print(np.round((PP[a][b]), 3),end=' ')
  47. print()
  48. return PP
  49.  
  50.  
  51. ## Расчет КСН для последовательного алгоритма поиска ##
  52.  
  53. Gn = [0 for q in range(0, len(n))] ## Len() если что возвращает количнство элементов в списке >>S = ['a','b','c'] >>len(S) >>5
  54.  
  55. def ksn_poled(PP,P):
  56. global Gn, Hn, delH
  57. for l in n:
  58. q = [(-PP[l][i])*np.log2(PP[l][i]) for i in range(l+1,A+1)]
  59. Gn [l] = np.sum(q)
  60. Hn, delH = [0 for q in range(0, len(n))], [0 for q in range(0, len(n))]
  61. sum = [P[k] for k in range(0, A - 1)]
  62. for l in n:
  63. Hn[l] = Gn[l] * np.sum(sum)
  64. for l in range(1, A):
  65. delH[l] = Hn[l - 1] - Hn[l]
  66.  
  67. ## Расчет КСН для последовательного алгоритма поиска ##
  68. aposterior(Pxi)
  69. ksn_poled(PP,Pxi)
  70. H1n = Hn
  71. print('Значения КСН для последовательного поиска для заданного распределения вероятности: ', np.round(H1n,3))
  72. delH1 = delH
  73. print('Значения декрементов неопределенности delH1: ', np.round(delH1,3))
  74.  
  75. ## Построение графиков ##
  76. plt.figure(1)
  77. plt.subplot(2,2,1)
  78. plt.plot(n,H1n, color='black')
  79. plt.title("Кривая снятия неопределенности H1")
  80. plt.xlabel('n')
  81. plt.ylabel('H1n(n)')
  82. plt.grid()
  83.  
  84. plt.figure(2)
  85. plt.subplot(2,2,1)
  86. plt.plot(n[1:],delH1[1:], color='black')
  87. plt.title("Декремент неопределенности delH1")
  88. plt.xlabel('n')
  89. plt.ylabel('delH1(n)')
  90. plt.grid()
  91.  
  92. ## Расчет КСН для последовательного алгоритма поиска (равномерное распределение)##
  93. aposterior(P0)
  94. ksn_poled(PP,P0)
  95. H3n = Hn
  96. print('Значения КСН для последовательного поиска для равномерного распределения вероятности: ', np.round(H3n,3))
  97. delH3 = delH
  98. print('Значения декрементов неопределенности delH3: ', np.round(delH3,3))
  99.  
  100. ## Построение графиков ##
  101. plt.figure(1)
  102. plt.subplot(2,2,3)
  103. plt.plot(n,H3n, color='black')
  104. plt.title("Кривая снятия неопределенности H3")
  105. plt.xlabel('n')
  106. plt.ylabel('H3n(n)')
  107. plt.grid()
  108.  
  109. plt.figure(2)
  110. plt.subplot(2,2,3)
  111. plt.plot(n[1:],delH3[1:], color='black')
  112. plt.title("Декремент неопределенности delH3")
  113. plt.xlabel('n')
  114. plt.ylabel('delH3(n)')
  115. plt.grid()
  116.  
  117. #
  118. #
  119. #
  120. #
  121. # Я ТУУУУУУУУУУУУУУУУУУТ
  122. #
  123. #
  124. #
  125. #
  126.  
  127. ## Расчет КСН для дихотомического поиска ##
  128. class ksn_dixotom(): ## Создали класс КСН
  129.  
  130. def __init__(self): ## ССылаем класс на самого себя)
  131. self.H = [0 for i in range (0,A//4+1)]
  132. self.PP1, self.PP2, self.PP3, self.PP4, self.PP5, self.PP6, self.PP7, self.PP8 = [0 for i in range(0, A)], [0 for i in range(0, A)], [0 for i in range(0, A)], [0 for i in range(0, A)], [0 for i in range(0, A)], [0 for i in range(0, A)], [0 for i in range(0, A)], [0 for i in range(0, A)]
  133. def aprior(self, P):
  134. sum = [(-P[i]*np.log2(P[i])) for i in range(0,A)]
  135. self.H[0] = np.sum(sum) # Априорная энтропия
  136. return self.H[0]
  137.  
  138. def aposterior_1(self, P):
  139. ## Апостериорная энтропия после первого измерения ##
  140. for it in range(0,A):
  141. if it <= 6:
  142. sum = [P[k] for k in range(0,A//2)]
  143. self.PP1[it]= P[it]/np.sum(sum)
  144. else:
  145. sum = [P[k] for k in range(7,A)]
  146. self.PP2[it] = P[it]/np.sum(sum)
  147. sum = [(-(self.PP1[k])*np.log2(self.PP1[k])) for k in range(0,A//2)]
  148. H1 = np.sum(sum)
  149. sum = [(-(self.PP2[k])*np.log2(self.PP2[k])) for k in range(7,A)]
  150. H2 = np.sum(sum)
  151. self.H[1] = np.sum([P[k] for k in range(0,A//2)])*H1 + np.sum([P[k] for k in range(7,A)])*H2
  152. return self.H[1]
  153.  
  154. def aposterior_2(self,P):
  155. ## Апостериорная энтропия после второго измерения ##
  156. for it in range(0,A):
  157. if it < A//4:
  158. sum = [P[k] for k in range(0,A//4)]
  159. self.PP1[it]= P[it]/np.sum(sum)
  160. elif A//3 <= it < A//2:
  161. sum = [P[k] for k in range(A//3,A//2)]
  162. self.PP2[it] = P[it]/np.sum(sum)
  163. elif 7 <= it < 3*A//4:
  164. sum = [P[k] for k in range(7, 3*A//4)]
  165. self.PP3[it] = P[it] / np.sum(sum)
  166. elif 15*A//18 <= it < A:
  167. sum = [P[k] for k in range(15*A//18, A)]
  168. self.PP4[it] = P[it] / np.sum(sum)
  169.  
  170. sum = [(-(self.PP1[k])*np.log2(self.PP1[k])) for k in range(0,A//4)]
  171. H1 = np.sum(sum)
  172. sum = [(-(self.PP2[k])*np.log2(self.PP2[k])) for k in range(A//3,A//2)]
  173. H2 = np.sum(sum)
  174. sum = [(-(self.PP3[k])*np.log2(self.PP3[k])) for k in range(7,3*A//4)]
  175. H3 = np.sum(sum)
  176. sum = [(-(self.PP4[k])*np.log2(self.PP4[k])) for k in range(15*A//18,A)]
  177. H4 = np.sum(sum)
  178. self.H[2] = np.sum([P[k] for k in range(0,A//4)])*H1 + np.sum([P[k] for k in range(A//3,A//2)])*H2 + np.sum([P[k] for k in range(7,3*A//4)])*H3 + np.sum([P[k] for k in range(15*A//18,A)])*H4
  179. return self.H[2]
  180.  
  181. def aposterior_3(self, P):
  182. ## Апостериорная энтропия после третьего измерения ##
  183. for it in range(0,A):
  184. if it < A//6:
  185. sum = [P[k] for k in range(0,A//4)]
  186. self.PP1[it]= P[it]/np.sum(sum)
  187. elif 5 <= it < A//2:
  188. sum = [P[k] for k in range(5,A//2)]
  189. self.PP2[it] = P[it]/np.sum(sum)
  190. elif 8 <= it < 3*A//4:
  191. sum = [P[k] for k in range(8, 3*A // 4)]
  192. self.PP3[it] = P[it] / np.sum(sum)
  193. elif 11 <= it < A:
  194. sum = [P[k] for k in range(11, A)]
  195. self.PP4[it] = P[it] / np.sum(sum)
  196. # elif A//2 <= it < 5*A//8:
  197. # sum = [P[k] for k in range(A // 2, 5*A//8)]
  198. # self.PP5[it] = P[it] / np.sum(sum)
  199. # elif 5*A//8 <= it < 3*A//4:
  200. # sum = [P[k] for k in range(5*A // 8, 3*A//4)]
  201. # self.PP6[it] = P[it] / np.sum(sum)
  202. # elif 3*A//4 <= it < 7*A//8:
  203. # sum = [P[k] for k in range(3*A // 4, 7*A//8)]
  204. # self.PP7[it] = P[it] / np.sum(sum)
  205. # elif 7*A//8 <= it < A:
  206. # sum = [P[k] for k in range(7*A // 8, A)]
  207. # self.PP8[it] = P[it] / np.sum(sum)
  208.  
  209. sum = [(-(self.PP1[k])*np.log2(self.PP1[k])) for k in range(0,A//4)]
  210. H1 = np.sum(sum)
  211. sum = [(-(self.PP2[k])*np.log2(self.PP2[k])) for k in range(5,A//2)]
  212. H2 = np.sum(sum)
  213. sum = [(-self.PP3[k]*np.log2(self.PP3[k])) for k in range(8,3*A//4)]
  214. H3 = np.sum(sum)
  215. sum = [(-self.PP4[k]*np.log2(self.PP4[k])) for k in range(11,A)]
  216. H4 = np.sum(sum)
  217. #sum = [(-self.PP5[k]*np.log2(self.PP5[k])) for k in range(A//2,5*A//8)]
  218. #H5 = np.sum(sum)
  219. #sum = [(-self.PP6[k]*np.log2(self.PP6[k])) for k in range(5*A//8,3*A//4)]
  220. #H6 = np.sum(sum)
  221. #sum = [(-self.PP7[k]*np.log2(self.PP7[k])) for k in range(3*A//4,7*A//8)]
  222. #H7 = np.sum(sum)
  223. #sum = [(-self.PP8[k]*np.log2(self.PP8[k])) for k in range(7*A//8,A)]
  224. #H8 = np.sum(sum)
  225. self.H[3] = np.sum([P[k] for k in range(0,A//4)])*H1 + np.sum([P[k] for k in range(5,A//2)])*H2 + np.sum([P[k] for k in range(8,3*A//4)])*H3 + np.sum([P[k] for k in range(11,A)])*H4 #\
  226. # + np.sum([P[k] for k in range(A//2,5*A//8)])*H5 + np.sum([P[k] for k in range(5*A//8,3*A//4)])*H6 + np.sum([P[k] for k in range(3*A//4,7*A//8)])*H7 + np.sum([P[k] for k in range(7*A//8,A)])*H8
  227. return self.H[3]
  228.  
  229. def aposterior_4(self):
  230. self.H[4] = 0
  231. return self.H[4]
  232.  
  233. def dekrement(self):
  234. itH = [0,1,2,3,4]
  235. self.delH=[0,0,0,0,0]
  236. for l in range(1,A//3+1):
  237. self.delH[l]= self.H[l-1]-self.H[l]
  238. return self.delH
  239.  
  240. def returning(self):
  241. return self.H
  242. #
  243. #
  244. #
  245. #
  246. # И ТУУУУУУУУУУУУУУУУУУТ
  247. #
  248. #
  249. #
  250. #
  251.  
  252. ## Расчет КСН для дихотомического алгоритма поиска ##
  253. dixotom_ksn = ksn_dixotom()
  254. dixotom_ksn.aprior(Pxi)
  255. dixotom_ksn.aposterior_1(Pxi)
  256. dixotom_ksn.aposterior_2(Pxi)
  257. dixotom_ksn.aposterior_3(Pxi)
  258. dixotom_ksn.aposterior_4()
  259. H2n = dixotom_ksn.returning()
  260. delH2 = dixotom_ksn.dekrement()
  261. print('Значения КСН для дихотомического алгоритма поиска для заданного распределения', np.round(H2n,3))
  262. print('Значения декрементов неопределенности delH2: ', np.round(delH2,3))
  263.  
  264. ## Построение графиков ##
  265. plt.figure(1)
  266. plt.subplot(2,2,2)
  267. plt.plot(n[1:5],H2n[1:], color='black')
  268. plt.title("Кривая снятия неопределенности H2")
  269. plt.xlabel('n')
  270. plt.ylabel('H2n(n)')
  271. plt.grid()
  272.  
  273. plt.figure(2)
  274. plt.subplot(2,2,2)
  275. plt.plot(n[1:5],delH2[1:], color='black')
  276. plt.title("Декремент неопределенности delH2")
  277. plt.xlabel('n')
  278. plt.ylabel('delH2(n)')
  279. plt.grid()
  280.  
  281. ## Расчет КСН для дихотомического алгоритма поиска (равномерное распределение)##
  282. dixotom_ksn = ksn_dixotom()
  283. dixotom_ksn.aprior(P0)
  284. dixotom_ksn.aposterior_1(P0)
  285. dixotom_ksn.aposterior_2(P0)
  286. dixotom_ksn.aposterior_3(P0)
  287. dixotom_ksn.aposterior_4()
  288. H4n = dixotom_ksn.returning()
  289. delH4 = dixotom_ksn.dekrement()
  290. print('Значения КСН для дихотомического алгоритма поиска для заданного распределения', np.round(H4n,3))
  291. print('Значения декрементов неопределенности delH2: ', np.round(delH4,3))
  292.  
  293. ## Построение графиков ##
  294. plt.figure(1)
  295. plt.subplot(2,2,4)
  296. plt.plot(n[1:5],H4n[1:], color='black')
  297. plt.title("Кривая снятия неопределенности H4")
  298. plt.xlabel('n')
  299. plt.ylabel('H4n(n)')
  300. plt.grid()
  301.  
  302. plt.figure(2)
  303. plt.subplot(2,2,4)
  304. plt.plot(n[1:5],delH4[1:], color='black')
  305. plt.title("Декремент неопределенности delH4")
  306. plt.xlabel('n')
  307. plt.ylabel('delH4(n)')
  308. plt.grid()
  309. plt.show()
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement
Public Pastes
Advertisement
We use cookies for various purposes including analytics. By continuing to use Pastebin, you agree to our use of cookies as described in the Cookies Policy.  OK, I Understand
Not a member of Pastebin yet?
Sign Up, it unlocks many cool features!