симуляция на основе агентов: проблема с производительностью: Python vs NetLogo & Repast

Я реплицирую небольшую часть имитационной модели агента Sugarscape в Python 3. Я обнаружил, что производительность моего кода в 3 раза медленнее, чем у NetLogo. Возможно, это проблема с моим кодом, или это может быть неотъемлемым ограничением Python?

Очевидно, что это всего лишь фрагмент кода, но здесь Python проводит две трети времени выполнения. Я надеюсь, что если бы я написал что-то действительно неэффективное, оно могло бы появиться в этом фрагменте:

UP = (0, -1) RIGHT = (1, 0) DOWN = (0, 1) LEFT = (-1, 0) all_directions = [UP, DOWN, RIGHT, LEFT] # point is just a tuple (x, y) def look_around(self): max_sugar_point = self.point max_sugar = self.world.sugar_map[self.point].level min_range = 0 random.shuffle(self.all_directions) for r in range(1, self.vision+1): for d in self.all_directions: p = ((self.point[0] + r * d[0]) % self.world.surface.length, (self.point[1] + r * d[1]) % self.world.surface.height) if self.world.occupied(p): # checks if p is in a lookup table (dict) continue if self.world.sugar_map[p].level > max_sugar: max_sugar = self.world.sugar_map[p].level max_sugar_point = p if max_sugar_point is not self.point: self.move(max_sugar_point) 

Примерный эквивалентный код в NetLogo (этот фрагмент немного больше, чем функция Python выше):

 ; -- The SugarScape growth and motion procedures. -- to M ; Motion rule (page 25) locals [ps pvd] set ps (patches at-points neighborhood) with [count turtles-here = 0] if (count ps > 0) [ set v psugar-of max-one-of ps [psugar] ; v is max sugar w/in vision set ps ps with [psugar = v] ; ps is legal sites w/ v sugar set d distance min-one-of ps [distance myself] ; d is min dist from me to ps agents set p random-one-of ps with [distance myself = d] ; p is one of the min dist patches if (psugar >= v and includeMyPatch?) [set p patch-here] setxy pxcor-of p pycor-of p ; jump to p set sugar sugar + psugar-of p ; consume its sugar ask p [setpsugar 0] ; .. setting its sugar to 0 ] set sugar sugar - metabolism ; eat sugar (metabolism) set age age + 1 end 

На моем компьютере код Python занимает 15,5 с для запуска 1000 шагов; на том же ноутбуке симуляция NetLogo, работающая на Java внутри браузера, заканчивается на 1000 шагов менее чем за 6 секунд.

EDIT: просто проверил Repast, используя реализацию Java. И это также примерно так же, как NetLogo в 5.4 сек. Недавние сравнения между Java и Python не дают преимущества Java, поэтому я думаю, что это только мой код, который виноват?

EDIT: Я понимаю, что MASON должен быть даже быстрее, чем Repast, и все же он все еще запускает Java в конце.

4 Solutions collect form web for “симуляция на основе агентов: проблема с производительностью: Python vs NetLogo & Repast”

Вероятно, это не приведет к резким ускорениям, но вы должны знать, что локальные переменные в Python довольно быстро по сравнению с доступом к глобальным или атрибутам. Таким образом, вы можете попробовать присвоить некоторые значения, которые используются во внутреннем цикле для локальных пользователей, например:

 def look_around(self): max_sugar_point = self.point max_sugar = self.world.sugar_map[self.point].level min_range = 0 selfx = self.point[0] selfy = self.point[1] wlength = self.world.surface.length wheight = self.world.surface.height occupied = self.world.occupied sugar_map = self.world.sugar_map all_directions = self.all_directions random.shuffle(all_directions) for r in range(1, self.vision+1): for dx,dy in all_directions: p = ((selfx + r * dx) % wlength, (selfy + r * dy) % wheight) if occupied(p): # checks if p is in a lookup table (dict) continue if sugar_map[p].level > max_sugar: max_sugar = sugar_map[p].level max_sugar_point = p if max_sugar_point is not self.point: self.move(max_sugar_point) 

Функциональные вызовы в Python также имеют относительно высокие накладные расходы (по сравнению с Java), поэтому вы можете попытаться дополнительно оптимизировать, заменив occupied функцию прямым поиском словаря.

Вы также должны взглянуть на psyco . Это компилятор «точно в срок» для Python, который может дать резкие улучшения скорости в некоторых случаях. Тем не менее, он еще не поддерживает Python 3.x, поэтому вам нужно будет использовать более старую версию Python.

Я собираюсь догадаться, что способ реализации этого neighborhood в NetLogo отличается от двойного цикла, который у вас есть. В частности, я думаю, что они предварительно вычисляют вектор окрестности

 n = [ [0,1],[0,-1],[1,0],[-1,0]....] 

(вам понадобится другое для vision = 1,2, …), а затем используйте только один цикл над n вместо вложенного цикла, как вы делаете. Это устраняет необходимость в умножениях.

Я не думаю, что это даст вам 3-кратное ускорение.

Это старый вопрос, но я предлагаю вам изучить NumPy для ускорения ваших операций. Места, где вы используете дикты и списки, которые являются логически организованными (1-, 2-, 3- или N-мерная сетка) однородным объектом данных (все целые числа или все поплавки и т. Д.), Будут иметь меньше накладных расходов при представлении и доступе в виде Numpy массивы.

http://numpy.org

Вот относительно современное сравнение NetLogo и одной версии Repast. Я бы не стал считать, что Repast быстрее. NetLogo, похоже, содержит некоторые очень умные алгоритмы, которые могут компенсировать любые издержки, которые у него есть. http://condor.depaul.edu/slytinen/abm/Lytinen-Railsback-EMCSR_2012-02-17.pdf

 
Interesting Posts for Van-Lav

Как получить __init __ () для повышения более полезного исключения вместо TypeError при некорректном # аргументе?

Python socket.send () может отправлять только один раз, затем socket.error: Произошла неисправная труба

Как оптимизировать условные списки python

Имеет ли CouchDB эквивалент истечения срока действия Redis?

Django, Postgres – колонка не может быть автоматически добавлена ​​для ввода целого числа

Преобразование Python Нет для JavaScript null

Использование scikit-learn векторизаторов и словарей с gensim

matplotlib: раскраски линий, зависящие от итерации

Почему для импорта функции из модуля требуется больше времени, чем весь модуль?

Включение ранее зарегистрированных событий в новый обработчик ведения журнала

пип сломался. как исправить ошибку DistributionNotFound?

Добавление методов в существующий экземпляр класса или как «подкласс» экземпляра

groupby in pandas с различными функциями для разных столбцов

массив numpy с использованием длинного типа python

инициализировать dict с помощью ключей, значения из двух списков

Python - лучший язык программирования в мире.