news 2026/8/29 5:22:32

COO格式稀疏矩阵进行Permutation置换操作

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
COO格式稀疏矩阵进行Permutation置换操作

文章目录

      • ✅ 步骤 1:应用对称置换
      • ✅ 步骤 2:构造逆排列
      • ✅ 步骤 3:应用置换并排序 COO
      • 🔁 如何“逆置换”?
      • ✅ 补充说明

要对一个COO 格式(Coordinate Format)的稀疏方阵A ∈ R n × n A \in \mathbb{R}^{n \times n}ARn×n应用对称置换(symmetric permutation),即计算:

A ′ = P A P T A' = P A P^TA=PAPT

其中 ( P ) 是由给定的一维排列数组perm(长度为 ( n ))所定义的置换矩阵,其作用为:

  • P [ i , perm [ i ] ] = 1 P[i, \text{perm}[i]] = 1P[i,perm[i]]=1
  • 等价地,对向量x xx,有( P x ) i = x perm [ i ] (Px)_i = x_{\text{perm}[i]}(Px)i=xperm[i]

那么对矩阵的对称置换等价于:

  • 行重排:行i ii变为原来的行perm [ i ] \text{perm}[i]perm[i]
  • 列重排:列j jj变为原来的列perm [ j ] \text{perm}[j]perm[j]

对 COO 格式的三元组(row, col, val),操作非常直接:


✅ 步骤 1:应用对称置换

对每一个非零元素(r, c, v)

  • 新行号 =inv_perm[r]
  • 新列号 =inv_perm[c]

为什么是inv_perm

因为perm[i] = j表示“新位置 i 来自旧位置 j”,即:

  • 新矩阵的第 i 行 = 原矩阵的第perm[i]
    => 原矩阵的第 r 行 → 出现在新矩阵的inv_perm[r]

所以要将原(r, c)映射到新位置(inv_perm[r], inv_perm[c])

结论:对称置换P A P T P A P^TPAPT对应于将每个 COO 元素的行/列索引通过逆排列映射。


✅ 步骤 2:构造逆排列

给定perm(0-based),其逆排列inv_perm满足:

inv_perm[perm[i]]=i;

代码:

std::vector<int>inv_perm(n);for(inti=0;i<n;++i){inv_perm[perm[i]]=i;}

✅ 步骤 3:应用置换并排序 COO

COO 格式通常要求按(row, col)字典序排序(便于后续转换为 CSR 或其他格式)。

C++ 实现如下(假设使用 0-based 索引):

#include<vector>#include<algorithm>#include<tuple>structCOOMatrix{intn;// dimensionstd::vector<int>row,col;// row/col indicesstd::vector<double>val;// values (or use template)};COOMatrixapply_symmetric_permutation(constCOOMatrix&A,conststd::vector<int>&perm){intnnz=A.row.size();intn=A.n;// Step 1: build inverse permutationstd::vector<int>inv_perm(n);for(inti=0;i<n;++i){inv_perm[perm[i]]=i;}// Step 2: apply permutation to each entrystd::vector<int>new_row(nnz),new_col(nnz);std::vector<double>new_val=A.val;// copy valuesfor(intk=0;k<nnz;++k){new_row[k]=inv_perm[A.row[k]];new_col[k]=inv_perm[A.col[k]];}// Step 3: sort by (row, col)std::vector<std::tuple<int,int,double>>entries(nnz);for(intk=0;k<nnz;++k){entries[k]=std::make_tuple(new_row[k],new_col[k],new_val[k]);}std::sort(entries.begin(),entries.end());// Step 4: unpack backCOOMatrix A_perm;A_perm.n=n;A_perm.row.resize(nnz);A_perm.col.resize(nnz);A_perm.val.resize(nnz);for(intk=0;k<nnz;++k){std::tie(A_perm.row[k],A_perm.col[k],A_perm.val[k])=entries[k];}returnA_perm;}

🔁 如何“逆置换”?

如果你已经对A AA应用了对称置换得到A ′ = P A P T A' = P A P^TA=PAPT,那么恢复原矩阵只需应用逆排列的对称置换:

  • 原排列为perm,则逆操作的排列是inv_perm
  • 即:A = P^T A' P = apply_symmetric_permutation(A_prime, inv_perm)

或者更简单:A'再次用perm作为排列调用上述函数?❌ 不行!

正确做法:要撤销P A P T P A P^TPAPT,应使用P T A ′ P = ( P − 1 ) A ′ ( P − 1 ) T P^T A' P = (P^{-1}) A' (P^{-1})^TPTAP=(P1)A(P1)T,而P − 1 P^{-1}P1对应的排列就是inv_perm

所以:

COOMatrix A_restored=apply_symmetric_permutation(A_perm,inv_perm_of_perm);

但注意:inv_perm_of_perm就是原始的perm!因为inv_perm的逆是perm

因此:

  • 正向:A1 = apply(..., perm)
  • 逆向:A0 = apply(..., inv_perm),其中inv_permperm构造

✅ 补充说明

  • 该方法适用于任意稀疏结构(包括非对称矩阵),但对称置换常用于对称矩阵(如刚度矩阵)以改善数值性质。
  • COO 输出已按(row, col)排序,可直接用于Eigen::SparseMatrix::setFromTriplets或其他库。
  • 若你使用的是size_tint64_t索引,请相应调整类型。
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/28 21:54:30

c++--_

map

作者头像 李华
网站建设 2026/8/27 22:53:39

Day9 >> 151、反转字符串中的单词 +

代码随想录字符串部分 151、反转字符串中的单词 这道题感觉还挺难的&#xff0c;而且好多种解法啊&#xff0c;Java版本总共给了4种解法&#xff0c;先挑了其中一个较容易理解的解法练习了一遍。 练习的过程中&#xff0c;写删除多余空格方法时&#xff0c;把 while 判断条件…

作者头像 李华
网站建设 2026/8/27 23:11:14

三星三折叠价格和功能揭秘:19999元起,三折叠旗舰藏多少惊喜?

万元级折叠屏市场再添重磅选手&#xff0c;三星GalaxyZTriFold以19999元起售的定价登场&#xff0c;其功能配置是否能匹配高端定位&#xff1f;今天我们就聚焦“三星三折叠价格和功能”&#xff0c;拆解这款旗舰的价值内核。价格定位清晰&#xff1a;双版本覆盖高端需求关于消费…

作者头像 李华
网站建设 2026/8/26 18:55:10

探索近乎完全消光的圆二色超反射镜与圆偏振光设置

近乎完全消光的圆二色超反射镜 圆偏振光的设置在光学领域&#xff0c;圆二色超反射镜以及圆偏振光的相关研究一直是极具吸引力的方向。今天咱们就来聊聊近乎完全消光的圆二色超反射镜以及圆偏振光的设置那些事儿。 近乎完全消光的圆二色超反射镜 圆二色性&#xff08;CD&#…

作者头像 李华
网站建设 2026/8/28 1:38:15

Wan2.2-T2V-A14B用于城市交通流量模拟可视化展示

Wan2.2-T2V-A14B&#xff1a;让城市交通“动”起来的AI视觉引擎 你有没有想过&#xff0c;未来的交通指挥中心不再是一堆密密麻麻的折线图和数字报表&#xff0c;而是一块块高清大屏上实时“播放”的动态街景&#xff1f;车流如织、红绿灯切换、公交专用道畅通无阻——这一切不…

作者头像 李华
网站建设 2026/8/28 6:06:57

Docker + 多模态Agent = 王炸组合?5个真实生产环境编排案例深度剖析

第一章&#xff1a;Docker与多模态Agent融合的架构演进随着人工智能系统向复杂化、分布式方向发展&#xff0c;Docker容器技术与多模态Agent系统的融合成为现代智能架构的重要演进路径。该融合模式通过容器化封装实现多模态感知、决策与执行模块的解耦&#xff0c;提升系统可扩…

作者头像 李华