python – 随机漫步 – 并行处理
我目前正在实施蒙特卡罗方法来解决扩散方程.该解可以表示为phi(W)的数学期望,其中phi是函数(相应于扩散方程而变化),W是在域的边界处停止的对称随机游动.为了评估x点的函数,我需要从x的期望开始每次行走.
我想在很多方面评估这个功能.所以这就是我做的: >我从每个点开始同步一步 我的代码(Python)看起来像这样: for k in range(N): #For each "walk" step = 0 while not(every walk has reach the boundary): map(update_walk,points) #update the walk starting from each x in points incr(step) 问题是:它非常长,因为N可以很大并且点数也很多.我正在寻找可以帮助我优化此代码的任何解决方案. 我曾经想过用IPython进行并行处理(每个步行都是独立的)但我没有成功,因为它在一个函数内部(它返回了一个像
解决方法
这是我可能不会使用并行计算的少数情况之一.我认为使用numpy会更快.
>>> import numpy as np >>> def walk(x,n=100,box=.5,delta=.2): ... np.random.seed() ... w = np.cumsum(x + np.random.uniform(-delta,delta,n)) ... w = np.where(abs(w) > box)[0] ... return w[0] if len(w) else n ... >>> pwalk = np.vectorize(walk) >>> pwalk(np.zeros(10)) array([10,25,4,5,100,6,28,23]) 我想你应该知道如何从那里获得期望值. 您也可以将元组传递给np.random.uniform的最后一个参数,然后不需要使用np.vectorize. 当然,如果你想使用并行计算,那么你可以选择一个好的地图函数,并从地图调用walk而不是像我上面那样使用vectorize. >>> from pathos.multiprocessing import ProcessingPool as Pool >>> p = Pool(4) >>> p.map(walk,[0]*10) [8,7,39,36,22,27,18,31] 使用pathos,可以从解释器轻松调用地图. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |