我一直在和来自Python的朱莉娅玩。我写了一些代码来解决这个难题。我在用蛮力的方法。代码在Python中运行需要一段时间(~30分钟),但在Julia中仍然需要大约3分钟。我确信这有点难看,因为我还在学习这门语言。我查看了优化器页面,在函数中输入了数据类型,并避免了全局变量。
using Primes
function mymax(state::Vector{Vector{Int64}})
maxval,maxi,maxj=0,0,0
for (i,row) in enumerate(state)
for (j,val) in enumerate(row)
if val>maxval
maxval,maxi,maxj = val,i,j
end
end
end
return maxval,maxi,maxj
end
function neighbors(state::Vector{Vector{Int64}})
prev,i,j = mymax(state)
ip = Primes.isprime(prev+1)
newstates=Vector{Vector{Vector{Int}}}()
for (di,dj) = [(-1,0),(1,0),(0,1),(0,-1)]
ni,nj = i+di,j+dj
(ni<1 || nj<1 || ni>length(state) || nj>length(state[1])) && continue
(state[ni][nj]!=0) && continue
if field[ni][nj]==ip
newstate=deepcopy(state)
newstate[ni][nj]=prev+1
push!(newstates,newstate)
end
end
return newstates
end
function goal(state::Vector{Vector{Int64}})
return sum(sum(state))==2080
end
function search(start_state::Vector{Vector{Int64}},field::Vector{Vector{Int64}})
path = [start_state]
level=0
solutions = Vector{Vector{Vector{Int}}}()
while true
(length(path)==0) && (return solutions)
println("***")
println(level)
println(length(path))
println(mymax(path[end]))
level+=1
newpath = Vector{Vector{Vector{Int}}}()
for p in path
for n in neighbors(p)
(goal(n)) && (push!(solutions,n))
push!(newpath,n)
end
end
path=deepcopy(newpath)
end
end
field = [[1,0,0,0,1,0,0,0],
[0,1,0,1,0,0,0,1],
[1,0,0,0,0,0,1,0],
[0,0,0,1,0,0,0,1],
[0,0,1,1,1,0,0,0],
[0,0,0,0,0,1,0,0],
[1,0,0,0,1,0,1,0],
[0,0,0,0,0,1,0,1]]
start = [[0,0,0,0,0,0,0,0],
[0,0,0,0,0,0,0,0],
[0,0,0,0,0,0,0,0],
[0,0,0,0,0,0,0,0],
[0,0,0,2,0,0,0,0],
[0,0,0,1,0,0,0,0],
[0,0,0,0,0,0,0,0],
[0,0,0,0,0,0,0,0]]
solns = search(start,field)
print("Solutions found ")
println(length(solns))
for soln in solns
display(soln)
end
与此相关的三个问题:
>
肯定有更好的方法来做函数mymax。我找到了一些关于阿格马克斯的建议,但这给我带来了一个大麻烦。它似乎返回总和最大的行的位置(在我的开始变量中工作,但不是一般!)
Vector{Vector{blah blah blah是正确的数据结构吗?或者我应该使用更优化的结构吗?@time返回这个:181.230324秒(214.55m分配:31.388gib,14.44%gc时间)。这似乎是很多分配,但我不确定如何诊断这个问题?
其他加快速度的技巧和窍门。我意识到我必须打开编译模式,这很有帮助!它仍然比我编写的Python代码快得多,所以这可能只是一个很大的问题空间(将成为一个很好的Euler项目问题!)。但我怀疑像我这样的新手是否编写过任何接近优化的代码。我知道这有点模糊,但我记得大约十年前,当我学习Python并被告知矢量化时。我知道这不适用于朱莉娅,但如果知道我没有错过任何重大的东西,那就太好了。
注意:我刚刚检查过,Python版本需要30分钟才能运行。因此,朱莉娅大约有10倍的进步,这当然值得拥有!然而,如果朱莉娅能有100倍的进步,我也不会感到惊讶。
感谢@PrzemyslawSzufel的评论。我用矩阵而不是向量的向量重新编写了代码。这只是来自python的语法问题。然后Findmax以更合理的方式运行(argmax等也是如此)。
using Primes
function neighbors(state::Matrix{Int64})
prev,ij = findmax(state)
ip = Primes.isprime(prev+1)
newstates=Vector{Matrix{Int64}}()
for dij = [CartesianIndex(-1,0),CartesianIndex(1,0),CartesianIndex(0,1),CartesianIndex(0,-1)]
nij = ij+dij
(nij[1]<1 || nij[2]<1 || nij[1]>size(state)[1] || nij[2]>size(state)[2]) && continue
(state[nij]!=0) && continue
if field[nij]==ip
newstate=deepcopy(state)
newstate[nij]=prev+1
push!(newstates,newstate)
end
end
return newstates
end
function goal(state::Matrix{Int64})
return sum(state)==2080
end
function search(start_state::Matrix{Int64},field::Matrix{Int64})
path = [start_state]
level=0
solutions = Vector{Matrix{Int}}()
while true
(length(path)==0) && (return solutions)
println("***")
println(level)
println(length(path))
println(findmax(path[end]))
level+=1
newpath = Vector{Matrix{Int}}()
for p in path
for n in neighbors(p)
(goal(n)) && (push!(solutions,n))
push!(newpath,n)
end
end
path=deepcopy(newpath)
end
end
field = [1 0 0 0 1 0 0 0;
0 1 0 1 0 0 0 1;
1 0 0 0 0 0 1 0;
0 0 0 1 0 0 0 1;
0 0 1 1 1 0 0 0;
0 0 0 0 0 1 0 0;
1 0 0 0 1 0 1 0;
0 0 0 0 0 1 0 1]
start = [0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0;
0 0 0 2 0 0 0 0;
0 0 0 1 0 0 0 0;
0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0]
solns = search(start,field)
print("Solutions found ")
println(length(solns))
for soln in solns
display(soln)
end
这在17秒内找到了解决方案(因此,又有了10倍的改进,我们达到了我所期望的100倍python)。
运行@time搜索(开始,字段)会得到17.244326秒(58.45m分配:13.356gib,28.92%的gc时间)。
把这个答案看作是对我的发现的纪念,希望其他人会觉得它有用。如果您有更好的解决方案或更多要添加的内容,请随时添加。
在我的ASP. net网站,我有一个连接到SQL服务器快速数据库。有时候我确实会犯很多错误,比如 系统。异常:超时已过期。从池中获取连接之前的超时时间。这可能是因为所有池连接都在使用中,并且达到了最大池大小。 搜索错误后,我发现可能是由于SQL Server连接未关闭。但是我已经正确地使用了SQL Server连接,并且正确地处理了它。我已使用using语句处理连接。在我的应用程序中,我在一天中的
问题内容: 遵循“只有一种明显的方法”,如何在Numpy中获得向量(一维数组)的大小? 上面的方法有效,但是我 不敢相信 自己必须指定这样一个琐碎的核心功能。 问题答案: 您需要的功能是。(我认为它应该作为数组的属性存在于基本numpy中-说-但很好)。 您还可以根据需要输入可选的n阶范数。假设您想要1范数: 等等。
我正在对大小为50,000个元素的两个向量执行基于元素的操作,并且有不满意的性能问题(几秒钟)。是否存在明显的性能问题,例如使用不同的数据结构?
我的使用场景是需要批量绘制大量图表,不过这些图表具有一定的规律性,整行或者整列是同类型图表,有什么方式可以优化性能呢?现在问题是当滚动的时候,图表渲染跟不上,滚动交互也不流畅。
我们运行在apache kafka 0.10.0. x和Spring 3. x上,不能使用Spring kafka,因为它支持Spring框架版本4. x。 因此,我们使用原生的Kafka Producer API来生成消息。 现在我关心的是我的制片人的表现。问题是我相信有人打电话给是真正连接到Kafka broker,然后将消息放入缓冲区,然后尝试发送,然后可能会调用。 现在,KafkaProd
您可以通过优化您的计算机系统、After Effects、您的项目和您的工作流程来改进性能。此处提供的某些建议不是通过提高渲染速度而是通过降低其他操作(例如,打开项目)所需的时间来改进性能的。 注意:到目前为止,用来改进总体性能的最好方法是提前规划、针对您的工作流程和输出管道运行早期测试、并确认您所提供的内容是您的客户实际需要和预期的内容。(请参阅规划您的工作。) Lloyd Alvarez 在