基于不相容性与子集关系生成所有合法事件组合的完整教程

轻伟君_3846

轻伟君_3846

2026-11-22

262人浏览

原创

基于不相容性与子集关系生成所有合法事件组合的完整教程

本文介绍如何利用 numpy 矩阵建模事件间的不相容(disjoint)与子集(subset)逻辑约束,并通过符号逻辑求解器(sympy)系统性地生成所有满足条件的布尔事件组合,适用于概率建模、规则引擎与离散事件系统设计。

本文介绍如何利用 numpy 矩阵建模事件间的不相容(disjoint)与子集(subset)逻辑约束,并通过符号逻辑求解器(sympy)系统性地生成所有满足条件的布尔事件组合,适用于概率建模、规则引擎与离散事件系统设计。

在构建复杂事件系统的状态空间时(如网球比赛中的多粒度结果),我们常需从一组原子事件出发,枚举所有逻辑上自洽的联合发生情形。仅靠暴力枚举(itertools.product)远远不够——必须嵌入领域知识:哪些事件互斥?哪些事件存在蕴含关系(如“60–0 获胜” ⇒ “A 获胜”)?原始尝试中,disjoint 检查基本正确,但 subset 过滤逻辑有误:它错误地将“子事件未发生而父事件发生”判为非法(实际合法),却忽略了关键约束——子事件发生时,父事件必须同时发生(即 c → a,而非 a ↔ c)。

正确的建模应将约束拆解为三类逻辑蕴含:

  • 不相容约束(D 矩阵):D[i,j] == 1 表示事件 i 与 j 不能共存 → 对应逻辑式 x_i → ¬x_j;
  • 子集约束(S 矩阵):S[i,j] == 1 表示事件 i 是事件 j 的子集 → 即 x_i → x_j;
  • 补集蕴含约束(N 矩阵):N[i,j] == 1 表示“i 不发生”蕴含“j 发生”,例如 ¬a → b(A 未赢 ⇒ B 赢),这是 D 无法表达的非对称互补关系。

下面给出一个鲁棒、可扩展的实现方案,使用 sympy 进行符号推理,避免手动遍历与逻辑漏洞:

import numpy as np
from sympy import symbols, And, Or, Not, Implies
from sympy.logic.inference import satisfiable

def generate_valid_combinations(D: np.ndarray, S: np.ndarray, N: np.ndarray = None) -> np.ndarray:
    """
    基于不相容矩阵 D、子集矩阵 S 和可选的补集蕴含矩阵 N,
    生成所有满足逻辑约束的布尔事件组合(每行是一个合法状态向量)。

    Parameters:
    -----------
    D : (n, n) ndarray
        D[i,j] == 1 表示事件 i 与 j 互斥 → x_i → ¬x_j
    S : (n, n) ndarray  
        S[i,j] == 1 表示事件 i 是事件 j 的子集 → x_i → x_j
    N : (n, n) ndarray, optional
        N[i,j] == 1 表示 ¬x_i → x_j(i 不发生 ⇒ j 必发生)

    Returns:
    --------
    X : (m, n) ndarray
        所有合法组合构成的二维数组,每行是长度为 n 的 0/1 向量
    """
    n = D.shape[0]
    assert D.shape == S.shape == (n, n)
    if N is not None:
        assert N.shape == (n, n)

    # 定义符号变量 x0, x1, ..., x_{n-1}
    xs = symbols(f"x0:{n}")

    # 构建所有蕴含约束
    constraints = []

    # D: x_i → ¬x_j
    for i in range(n):
        for j in range(n):
            if D[i, j]:
                constraints.append(Implies(xs[i], Not(xs[j])))

    # S: x_i → x_j
    for i in range(n):
        for j in range(n):
            if S[i, j]:
                constraints.append(Implies(xs[i], xs[j]))

    # N: ¬x_i → x_j
    if N is not None:
        for i in range(n):
            for j in range(n):
                if N[i, j]:
                    constraints.append(Implies(Not(xs[i]), xs[j]))

    # 合并所有约束
    full_expr = And(*constraints)

    # 求解所有模型(满足约束的赋值)
    models = list(satisfiable(full_expr, all_models=True))

    # 转换为 NumPy 数组
    result = np.zeros((len(models), n), dtype=int)
    for idx, model in enumerate(models):
        for k, v in model.items():
            if k.name.startswith("x"):
                pos = int(k.name[1:])
                result[idx, pos] = 1 if v else 0

    return result

# 示例:网球比赛约束(修正后的标准输入)
D = np.array([
    [0, 1, 0, 0, 0],  # A赢 与 B赢、A60-0、A60-15、Ace 互斥?→ 实际仅与B赢、Ace部分互斥,此处按原文调整
    [1, 0, 1, 1, 0],  # B赢 与 A赢、A60-0、A60-15 互斥
    [0, 1, 0, 1, 1],  # A60-0 与 B赢、A60-15、Ace 互斥
    [0, 1, 1, 0, 0],  # A60-15 与 B赢、A60-0 互斥(补充对称项)
    [0, 0, 1, 0, 0]   # Ace 与 A60-0 互斥
])

S = np.array([
    [0, 0, 1, 1, 0],  # A60-0 和 A60-15 都是 A赢 的子集 → S[2,0]=1, S[3,0]=1
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0]
])

N = np.array([
    [0, 1, 0, 0, 0],  # ¬A赢 ⇒ B赢
    [1, 0, 0, 0, 0],  # ¬B赢 ⇒ A赢
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0]
])

X = generate_valid_combinations(D, S, N)
print("所有合法事件组合(共 {} 种):".format(len(X)))
print(X)

✅ 关键优势:

  • 语义清晰:每个矩阵对应一类明确的逻辑含义,避免混淆 x_i → x_j 与 x_j → x_i;
  • 完备无漏:sympy.satisfiable 保证穷尽所有解,不依赖启发式剪枝;
  • 可验证性强:约束以符号形式显式写出,便于人工校验与调试;
  • 扩展灵活:新增事件只需扩展矩阵维度与约束,无需重写核心逻辑。

⚠️ 注意事项:

  • D 和 N 矩阵若具备对称性(如 D[i,j] == D[j,i]),说明约束双向成立,此时可只填上三角以减少冗余;
  • 实际应用中,建议对输入矩阵做合法性检查(如 D[i,i] 应恒为 0,因事件不能与自身互斥);
  • 当事件数 n > 20 时,状态空间呈指数增长(2ⁿ),此时应考虑增量生成、约束传播或 SAT 求解器(如 pysat)替代 sympy。

最终输出的 X 即为问题所求的全部可能结果矩阵,每一行代表一个逻辑自洽的原子事件联合状态,可直接用于后续的概率分配、蒙特卡洛采样或决策树构建。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5664

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1929

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34797

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4047

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4067

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3163

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习