我正在嘗試對 PI (3.14159) 飛鏢的蒙特卡洛計算進行基準測試。我已經(jīng)用 Java、Groovy、BeanShell、Julia、Jython 和 Python（Python2 用 C 實現(xiàn)）實現(xiàn)了我的代碼。這是我的原始 Java 代碼“MonteCarloPI.java”：import java.util.Random; public class MonteCarloPI { public static void main(String[] args) { int nThrows = 0; int nSuccess = 0; double x, y; long then = System.nanoTime(); int events=(int)1e8; Random r = new Random(); for (int i = 0; i < events; i++) { x = r.nextFloat(); // Throw a dart y = r.nextFloat(); nThrows++; if ( x*x + y*y <= 1 ) nSuccess++; } double itime = ((System.nanoTime() - then)/1e9); System.out.println("Time for calculations (sec): " + itime+"\n"); System.out.println("Pi = " + 4*(double)nSuccess/(double)nThrows +"\n"); }}這是文件“MonteCarloPI.groovy”中的 Groovy 代碼：import java.util.Randomint nThrows = 0int nSuccess = 0double x, ylong then = System.nanoTime()int events=1e8r = new Random()for (int i = 0; i < events; i++) { x = r.nextFloat() // Throw a dart y = r.nextFloat() nThrows++ if ( x*x + y*y <= 1 ) nSuccess++}itime = ((System.nanoTime() - then)/1e9)System.out.println("Time for calculations (sec): " + itime+"\n")System.out.println("Pi = " + 4*(double)nSuccess/(double)nThrows +"\n") 或者，我刪除了諸如“float”和“int”（即松散類型）之類的定義。這使用“松散”類型檢查性能。我已將“MonteCarloPI.groovy”重命名為 BeanShell 腳本文件“MonteCarloPI.bsh”（BeanShell 的語法與 Groovy 非常相似）對于標準 Python 語言，代碼“MonteCarloPI_CPython.py”如下所示：import random,timenThrows,nSuccess = 0,0then = time.time()events=int(1e8)for i in xrange(events): x,y = random.random(),random.random(); # Throw a dart nThrows +=1 if ( x*x + y*y <= 1 ): nSuccess+=1itime = time.time() - thenprint ("Time: ",itime,"sec Pi = ",4*nSuccess/float(nThrows))此代碼在 CPython 2.7.18（用 C 實現(xiàn)的 Python）或 Jython 2.7.2（Java 實現(xiàn)）中執(zhí)行。對于 Python 3.8.3（“Python3”），將“xrange”替換為“range”。
2 回答
人到中年有點甜
TA貢獻1895條經(jīng)驗 獲得超7個贊
不錯的作品。有趣的比較你已經(jīng)到了那里。作為一名 python 開發(fā)人員，我想添加一些關于 Python 的額外視圖。
我認為它較慢主要是因為動態(tài)類型。另一個原因是您正在計算標量值（即使用 for 循環(huán)并一次計算一個數(shù)字）。Python 的優(yōu)點之一是使用 NumPy 庫的向量計算（這允許同時計算多個數(shù)字）。所以，這是我的算法實現(xiàn)。注意：我使用的是 python 3.6。
import numpy as np
import time
start = time.time()
events = int(1e8)
nThrows, nSuccess = 0, 0
x, y = np.random.uniform(size=(2, events))
nSuccess = (x*x + y*y <= 1).sum()
nThrows = events
pi = 4*nSuccess/float(nThrows)
stop = time.time()
print('Time: {}, Pi = {}'.format(stop-start, pi))
以下是我的 i7 x64 計算機 (Windows 10) 上的基準測試結果：
Python (original code): 42.6s Pi = 3.1414672
Python (my optimized code): 4.7s Pi = 3.1417642
如您所見，在我的計算機上運行的原始 python 代碼比您計算機上的 python 代碼慢。因此，優(yōu)化后的版本可能比 Java 或 Groovy 更快。
希望這可以幫助。
慕斯709654
TA貢獻1840條經(jīng)驗 獲得超5個贊
對于 Julia 代碼，您在基準測試中包含編譯時間。另一件需要注意的事情是您正在使用全局變量，眾所周知這會降低性能。使用您的基準版本，我的機器上的執(zhí)行時間是 17.7 秒。將所有內容移到一個函數(shù)中，我得到了 0.83 秒。從中刪除編譯時間使我降至 713.625 毫秒。我的代碼的最終版本是這個（注意你在循環(huán)中計算了一個太多）。
using Random
using BenchmarkTools
function benchmark()
nThrows = 0
nSuccess = 0
events = 100_000_000
for j in 1:events
x = rand() # Throw a dart
y = rand()
nThrows += 1
if x^2 + y^2 <= 1
nSuccess += 1
end
end
4.0*nSuccess/nThrows
end
pi = @btime benchmark()
println( "Pi = ", pi)
請注意，進一步的改進是可能的。在循環(huán)之外分配一個隨機數(shù)數(shù)組而不是每次迭代調用 rand 兩次可能是有益的。您可以在此處找到其他性能提示：https ://docs.julialang.org/en/v1/manual/performance-tips/
添加回答
舉報
0/150
提交
取消