Gegeven twee rechthoekige, gehele tabellen $$\verb!a!$$ en $$\verb!b!$$, waarbij gegeven is dat elk element in $$\verb!a!$$ of $$\verb!b!$$ ofwel gelijk is aan $$+1$$ of gelijk is aan $$-1$$.

We definiëren de grootheid $$\verb!score(a,b)!$$ als het aantal elementen waar $$\verb!a!$$ en $$\verb!b!$$ verschillen. Het is de bedoeling om via een reeks bewerkingen op $$\verb!a!$$ de $$\verb!score(a,b)!$$ zo klein mogelijk te maken (m.a.w. $$\verb!a!$$ lijkt gaandeweg meer op $$\verb!b!$$, en wordt idealiter gelijk aan $$\verb!b!$$, waardoor de score 0 wordt). Hierbij zijn volgende bewerkingen toegelaten:

• een rij van $$\verb!a!$$ met $$-1$$ vermenigvuldigen
• een kolom van $$\verb!a!$$ met $$-1$$ vermenigvuldigen

. Schrijf volgende functies:

• $$\verb!score(a, b)!$$: deze methode levert de score op, zoals hierboven gedefinieerd
• $$\verb!volgende(a, b)!$$: deze methode voert één toegelaten bewerking uit op $$\verb!a!$$. Je gaat als volgt tewerk: je probeert alle rijbewerkingen, en vervolgens alle kolombewerkingen, en berekent telkens de resulterende score. Je past dan de bewerking op $$\verb!a!$$ toe die in de laagste score resulteert. Indien meerdere bewerkingen in dezelfde laagste score resulteren, neem je de eerste bewerking die dit realiseert in de hierboven opgegeven volgorde. Het resultaat van de methode is een tuple, bestaande uit de aangepaste versie van $$\verb!a!$$, gevolgd door de nieuwe score.
• $$\verb!losOp(a, b)!$$: deze methode roept de methode $$\verb!volgende(a, b)!$$ op tot geen betere score meer gevonden wordt. Het resultaat van de methode is de resulterende tabel (die volgens de opgegeven procedure zo dicht mogelijk bij de tabel $$\verb!b!$$ ligt).

Je mag veronderstellen dat de argumenttabellen dezelfde dimensies hebben, uit minstens 1 rij en minstens 1 kolom bestaan, en enkel de waarden $$+1$$ en $$-1$$ bevatten.

Voorbeeld

a0 = np.array([[1, 1, 1], [-1, -1, -1], [1, -1, 1]])
a1 = np.array([[1, 1, 1], [-1, -1, -1], [-1, 1, -1]])
a2 = np.array([[1, 1, 1], [-1, -1, -1], [-1, 1, -1]])

b0 = np.array([[1, 1, 1], [1, 1, 1], [1, 1, 1]])
b1 = np.array([[1, 1, 1], [-1, -1, -1], [-1, 1, -1]])
b2 = np.array([[-1, -1, -1], [-1, -1, -1], [-1, -1, -1]])

score(a0,b0) = 4
score(a1,b1) = 0
score(a2,b2) = 4

volgende(a0,b0) = (np.array([[1, 1, 1], [1, 1, 1], [1, -1, 1]]), 1)
volgende(a1,b1) = (np.array([[1, 1, 1], [-1, -1, -1], [-1, 1, -1]], 0)
volgende(a2,b2) = (np.array([[-1, -1, -1], [-1, -1, -1], [-1, 1, -1]], 1)

losOp(a0,b0) = np.array([[1, 1, 1], [1, 1, 1], [1, -1, 1]])
losOp(a1,b1) = np.array([[1, 1, 1], [-1, -1, -1], [-1, 1, -1]])
losOp(a2,b2) = np.array([[-1, -1, -1], [-1, -1, -1], [-1, 1, -1]])