如何将矩阵的Min-Max赋值函数泛化为支持任意尺寸矩阵？

假设我们有如下矩阵R：

v1 <- c(1, .8, 0, .1, .2)
v2 <- c(.8, 1, .4, 0, .9)
v3 <- c(0, .4, 1, 0, 0)
v4 <- c(.1, 0, 0, 1, .5)
v5 <- c(.2, .9, 0, .5, 1)
R <- matrix(data=c(v1,v2,v3,v4,v5), nrow=5, byrow=TRUE)

我们通过嵌套循环和Min-Max逻辑生成矩阵R2：

R2 <- matrix(NA, nrow=5, ncol=5)
for(i in 1:nrow(R))
{
  for(j in 1:ncol(R))
  {
    R2[i,j] <- max(min(R[i,1],R[1,j]), min(R[i,2],R[2,j]), min(R[i,3],R[3,j]), min(R[i,4],R[4,j]), min(R[i,5],R[5,j]))
  }
}

这段代码能正常运行，但当矩阵尺寸变化时，必须手动修改R2[i,j]的赋值逻辑。现在需要把这个Min-Max逻辑泛化为支持任意尺寸的矩阵，实现一个通用函数map_relation（要求nrow(M1) == ncol(M2)）：

# 要求nrow(M1) == ncol(M2)
map_relation <- function(M1, M2)
{
  result <- matrix(NA, nrow=nrow(M1), ncol=ncol(M2))
  for(i in 1:nrow(M1))
  {
    max_val <- 0
    for(j in 1:ncol(M2))
    {
      # 如何修改此处以支持任意尺寸矩阵？
      result[i,j] <- max(min(M1[i,1],M2[1,j]), min(M1[i,2],M2[2,j]), min(M1[i,3],M2[3,j]), min(M1[i,4],M2[4,j]), min(M1[i,5],M2[5,j]))
    }
  }
  return(result)
}

要实现通用的Min-Max逻辑，核心是用循环替代硬编码的索引，利用函数要求的nrow(M1) == ncol(M2)这个条件，以该共同维度作为遍历范围即可。

方法1：嵌套循环实现 #

在i和j的循环内部，新增一个循环遍历中间维度（记为k），计算每个min(M1[i,k], M2[k,j])后取最大值：

map_relation <- function(M1, M2)
{
  # 参数校验，确保维度符合要求
  if(nrow(M1) != ncol(M2)){
    stop("参数错误：M1的行数必须等于M2的列数")
  }
  
  result <- matrix(NA, nrow=nrow(M1), ncol=ncol(M2))
  k_len <- nrow(M1) # 中间维度的长度
  
  for(i in 1:nrow(M1))
  {
    for(j in 1:ncol(M2))
    {
      min_vals <- numeric(k_len)
      for(k in 1:k_len)
      {
        min_vals[k] <- min(M1[i,k], M2[k,j])
      }
      result[i,j] <- max(min_vals)
    }
  }
  return(result)
}

方法2：向量化优化（更高效） #

R中向量化操作比嵌套循环效率更高，可以用apply系列函数结合pmin简化代码：

map_relation <- function(M1, M2)
{
  if(nrow(M1) != ncol(M2)){
    stop("参数错误：M1的行数必须等于M2的列数")
  }
  
  # 对M1的每一行、M2的每一列，计算对应位置min的最大值
  result <- apply(M1, 1, function(row) {
    apply(M2, 2, function(col) {
      max(pmin(row, col))
    })
  })
  
  # 修正apply返回的转置结果
  t(result)
}

验证效果 #

用初始矩阵R测试（M1=M2=R）：

R2_general <- map_relation(R, R)
all.equal(R2, R2_general) # 返回TRUE，说明结果与原代码一致

内容的提问来源于stack exchange，提问作者coolhand