我试图评估随机游动的终点位置的概率,但我的程序速度有点问题。基本上,我要做的是把包含随机游走概率的字典作为输入(例如p={0:0.5,1:0.2)。-1: 0.3}意味着50%的概率X保持在0,20%的概率X增加1,30%的概率X降低1),然后计算n次迭代后所有可能的未来状态的概率。在
例如p={0:0.5,1:0.2。-1: 然后返回{0:0.37,1:0.2,-1:0.3,2:0.04,-2:0.09} 如果p={0:0.5,1:0.2。-1: 0.3},n=1,则返回{0:0.5,1:0.2。-1: 0.3}
我有工作代码,如果n很低,p字典很小,它运行得比较快,但是当n>;500,字典有大约50个值时,需要5分钟来计算。我猜这是因为它只在一个处理器上运行,所以我继续修改它,使它可以使用python的多处理模块(正如我读到的那样,多线程并不能因为GIL而提高并行计算性能)。在
我的问题是,多处理并没有太大的改进,现在我不确定是因为我错误地实现了它,还是因为python中的多处理开销。我只是想知道有没有一个库可以计算出当n>;500并行时随机游走的所有可能性的所有概率?如果找不到任何东西,我的下一步就是用C编写我自己的函数作为扩展,但这将是我第一次这么做,尽管我已经用C编写过一段时间了。在
原始非多处理代码
def random_walk_predictor(probabilities_tree, period):
ret = probabilities_tree
probabilities_leaves = ret.copy()
for x in range(period):
tmp = {}
for leaf in ret.keys():
for tree_leaf in probabilities_leaves.keys():
try:
tmp[leaf + tree_leaf] = (ret[leaf] * probabilities_leaves[tree_leaf]) + tmp[leaf + tree_leaf]
except:
tmp[leaf + tree_leaf] = ret[leaf] * probabilities_leaves[tree_leaf]
ret = tmp
return ret
多处理代码
^{pr2}$
通常有解析解来精确求解这类看起来类似于二项式分布的problem,但是我假设你真的在要求一个更一般的问题的计算解决方案。在
与使用python字典相比,从底层的数学问题来考虑这一点更容易。构建一个矩阵
A
,它描述从一个状态到另一个状态的概率。构建一个状态x
,该状态描述在某个时间处于给定位置的概率。在因为在
n
转换之后,您最多可以从原点开始走n
步(任何一个方向)——您的状态需要有2n+1行,A
必须是正方形,大小为2n+1乘2n+1。在对于两步式问题,您的转换矩阵为5x5,如下所示:
您在时间0的状态将是:
^{pr2}$用}相乘,可以预测系统的一步演化。在
A
和{所以当t=1时
当t=2时
因为即使是少量的时间步数,这也可能需要相当多的存储空间(
A
需要n^2个存储空间),但是非常稀疏,我们可以使用稀疏矩阵来减少存储(并加快计算速度)。这样做意味着A
需要大约3n个元素。在计时
相关问题 更多 >
编程相关推荐