83 lines
2.5 KiB
Python
83 lines
2.5 KiB
Python
import functools
|
|
import time
|
|
|
|
|
|
# ==========================================
|
|
# 1. TIMING-DECORATOR ZUR LAUFZEITMESSUNG
|
|
# ==========================================
|
|
def timing(func):
|
|
"""Ein Decorator, der die Ausführungszeit einer Funktion misst
|
|
|
|
und auf der Konsole ausgibt.
|
|
"""
|
|
@functools.wraps(func)
|
|
def wrapper(*args, **kwargs):
|
|
start = time.perf_counter()
|
|
result = func(*args, **kwargs)
|
|
end = time.perf_counter()
|
|
print(
|
|
f"{func.__name__}({args[0]}) dauerte {(end - start) * 1000:.4f}"
|
|
" Millisekunden."
|
|
)
|
|
return result
|
|
|
|
return wrapper
|
|
|
|
|
|
# ==========================================
|
|
# 2. SOPHIAS URSPRÜNGLICHE REKURSIVE FUNKTION
|
|
# ==========================================
|
|
@timing
|
|
def coins(n):
|
|
"""Sophias rekursive Funktion zur Berechnung der Möglichkeiten
|
|
|
|
(bzw. geordneten Zerlegungen/Permutationen) für einen Betrag n.
|
|
|
|
Erklärung:
|
|
- Wenn n == 0: Genau 1 Möglichkeit (der Betrag wurde exakt erreicht).
|
|
- Wenn n < 0: 0 Möglichkeiten (der Betrag wurde überschritten).
|
|
- Andernfalls summiert sich die Anzahl der Möglichkeiten aus den
|
|
verbleibenden Beträgen nach Abzug einer 1er-, 2er- oder 5er-Münze.
|
|
"""
|
|
if n == 0:
|
|
return 1
|
|
if n < 0:
|
|
return 0
|
|
return coins(n - 1) + coins(n - 2) + coins(n - 5)
|
|
|
|
|
|
# ==========================================
|
|
# 3. OPTIMIERTE FUNKTION MIT MEMOIZATION
|
|
# ==========================================
|
|
@timing
|
|
@functools.lru_cache(maxsize=None)
|
|
def coins_memo(n):
|
|
"""Optimierte Variante mit @functools.lru_cache.
|
|
|
|
Warum das hilft (Memoization):
|
|
- Ohne Cache berechnet die reine Rekursion denselben Teilbaum
|
|
(z.B. coins(3)) tausendfach neu (exponentielles Wachstum O(3^n)).
|
|
- Der Cache merkt sich einmal berechnete Ergebnisse. Wird derselbe
|
|
Wert nochmal abgefragt, liefert Python ihn sofort in O(1)-Zeit
|
|
zurück. Die Laufzeit sinkt dadurch drastisch auf linear O(n).
|
|
"""
|
|
if n == 0:
|
|
return 1
|
|
if n < 0:
|
|
return 0
|
|
return coins_memo(n - 1) + coins_memo(n - 2) + coins_memo(n - 5)
|
|
|
|
|
|
# ==========================================
|
|
# AUSFÜHRUNG & VERGLEICH
|
|
# ==========================================
|
|
if __name__ == "__main__":
|
|
print("--- Ohne Memoization ---")
|
|
# Bei kleinen Werten läuft es noch schnell, bei höheren (ab ca. n=35)
|
|
# bricht die Performance ein, weil sich die Rekursion totläuft.
|
|
coins(15)
|
|
|
|
print("\n--- Mit Memoization ---")
|
|
# Selbst große Beträge wie n=100 werden dank des Caches
|
|
# in Bruchteilen einer Millisekunde gelöst.
|
|
coins_memo(10) |