如何用Python生成满足按位与和闭包的最大二进制向量空间

给定样本数组：

[[1, 0, 1, 0], [1, 0, 1, 0], [1, 0, 1, 0], [1, 1, 1, 1], [1, 1, 1, 1], [0, 1, 1, 0], [0, 1, 1, 0], [1, 0, 0, 1]]

需要生成所有满足以下条件的最大向量空间：

• 空间对按位与的和操作封闭
• 空间内任意两个向量按位与后的元素和≥用户指定的常数

举个例子：上述数组可以生成3个符合要求的向量空间V1、V2、V3。

已尝试的两种方案及存在的问题 #

1. 正则表达式方法 #

代码如下：

def match_strings(strings, pattern, indices):
    matched_strings = [(idx, string) for idx, string in zip(indices, strings) if re.match(pattern, string)]
    return matched_strings

def identify_user_distribution(availability_matrix, indices):
    string_rep = []
    for instance in availability_matrix:
        temp = ''
        for item in instance:
            temp += str(item)
        string_rep.append(temp)

    patterns = set(string_rep)
    patterns = [instance.replace('0', "[01]+") for instance in patterns]

    clusters = []
    for instance_pattern in patterns:
        cluster = match_strings(string_rep, instance_pattern, indices)
        clusters.append([cluster[0][0], cluster[-1][0]])

    return clusters

问题：该方法无法保证闭包性，会混入不符合条件的向量。

2. NumPy方法 #

代码如下：

def bitwise_and_groups_with_sum(vectors, target_sum):
    groups = {}
    index = {}
    flag = False
    for idx, vector in enumerate(vectors):
        temp = ''
        for item in vector:
            temp += str(item)

        if len(groups) == 0:
            groups[temp] = [vector]
            index[temp] = [idx]
        else:
            for key, value in groups.items():
                if vector in value:
                    index[key].append(idx)
                    continue
                elif np.all([np.bitwise_and(vector, instance).sum() == target_sum for instance in value]):
                    groups[key].append(vector)
                    index[key].append(idx)
                    flag = True

            if not flag:
                groups[temp] = [vector]
                index[temp] = [idx]
                flag = False

    return index

问题：无法正确实现闭包逻辑。

求助 #

希望得到高效的解决方案建议，能够正确生成符合要求的所有最大向量空间。

内容的提问来源于stack exchange，提问作者Gopal Bhattrai