我有一组 N 种化合物,分别为 1, 2,..., N。对于每种化合物,我都有其每种成分的分数,“A”,“B”等。化合物还可以包含其他化合物,在这种情况下给出相应的分数。例如,对于 N = 5,样本集为
mixes = {
1: {
"A": 0.32,
"B": 0.12,
"C": 0.15,
2: 0.41
},
2: {
"C": 0.23,
"D": 0.12,
"E": 0.51,
4: 0.14
},
3: {
"A": 0.24,
"E": 0.76
},
4: {
"B": 0.13,
"F": 0.01,
"H": 0.86
},
5: {
"G": 0.1,
2: 0.4,
3: 0.5
}
}
我想要一种算法,可以给出每种化合物中每种成分的净分数,即
mixes = {
1: {
"A": 0.32,
"B": 0.12 + 0.41 * 0.14 * 0.13,
"C": 0.15 + 0.41 * 0.23,
"D": 0.41 * 0.12,
"E": 0.41 * 0.51,
"F": 0.41 * 0.14 * 0.01,
"H": 0.41 * 0.14 * 0.86
},
2: {
"B": 0.14 * 0.13,
"C": 0.23,
"D": 0.12,
"E": 0.51,
"F": 0.14 * 0.01,
"H": 0.14 * 0.86
},
3: {
"A": 0.24,
"E": 0.76
},
4: {
"B": 0.13,
"F": 0.01,
"H": 0.86
},
5: {
"A": 0.5 * 0.24,
"G": 0.1,
"B": 0.4 * 0.14 * 0.13,
"C": 0.4 * 0.23,
"D": 0.4 * 0.12,
"E": 0.4 * 0.51 + 0.5 * 0.76,
"F": 0.4 * 0.14 * 0.01,
"H": 0.4 * 0.14 * 0.86
}
}
我目前的方法涉及递归,但我想知道是否有一个聪明的方法来做到这一点。也许使用树状数据结构可能会有所帮助?
编辑:为了简单起见,假设数据集中没有循环关系。
这是一个递归解决方案。我注意到每种化合物的原始混合比加到 1,因此还要检查结果化合物是否也加到 1:
输出: