python中真因子 sympy中的因子分解

我也遇到過類似的問題，在我偶然發現這個問題之前，我最終實現了我自己的解決方案。我的似乎在減少手術次數方面做得更好。然而，我的也對所有變數的組合做了乙個暴力風格的集合。因此，它的執行時在變數數量上呈指數級增長。otoh，我已經在乙個不合理的(但遠不是實時的)時間量內執行了它。在

有可能有一些方法可以修剪這裡的一些搜尋分支，但我沒有為此煩惱。歡迎進一步優化。在def collect_best(expr, measure=sympy.count_ops):

# this method performs sympy.collect over all permutations of the free variables, and returns the best collection

best = expr

best_score = measure(expr)

perms = itertools.permutations(expr.free_symbols)

permlen = np.math.factorial(len(expr.free_symbols))

print(permlen)

for i, perm in enumerate(perms):

if (permlen > 1000) and not (i%int(permlen/100)):

print(i)

collected = sympy.collect(expr, perm)

if measure(collected) < best_score:

best_score = measure(collected)

best = collected

return best

def product(args):

arg = next(args)

try:

return arg*product(args)

except:

return arg

def rcollect_best(expr, measure=sympy.count_ops):

# this method performs collect_best recursively on the collected terms

best = collect_best(expr, measure)

best_score = measure(best)

if expr == best:

return best

if isinstance(best, sympy.mul):

return product(map(rcollect_best, best.args))

if isinstance(best, sympy.add):

return sum(map(rcollect_best, best.args))

為了說明效能，this *****(paywalled，對不起)有7個公式，它們是7個變數中的5次多項式，最多有29個項和158個擴充套件形式的運算。在應用rcollect_best和@smichr的iflfactor之後，7個公式中的運算次數為：

^$以及[32, 37, 113, 73, 40, 15, 2]

分別。iflfactor的運算量比其中乙個公式的rcollect_best多433%。此外，擴充套件公式中的運算次數為：[39, 49, 158, 136, 79, 27, 2]