3
我有一個算法，我在python中實現。該算法可能會執行1.000.000次，所以我想盡可能優化它。算法中的基數是三個列表（energy,point和valList）以及兩個計數器p和e。向量化或優化一個循環，其中每次迭代都取決於前一次迭代的狀態
這兩個列表energy和point包含0和1之間的數字，我基於此決定。 p是一個點計數器和e是一個能量計數器。我可以交易點能源，每個能源的成本定義在valList（這是時間相關）。我也可以換一種方式。但我必須馬上交易。
該算法的概要：
- 優惠布爾列表，其中在
energy元件在閾值之上並且在point元素低於另一閾值。這是一個交易能量積分的決定。獲取點的相應列表，該列表決定交易點的能量 - 在每個布爾列表中。刪除所有真值後的另一個真正的價值（如果我已經交易所有點的能量，我不允許再做點）
- 對於每個項目對（
pB，點布爾和eB，能源布爾）從兩個布爾列表：如果PB是真實的，我有點，我想交易我所有的點爲能。如果eB是真的，並且我有能量，我想把我所有的能量換成積分。
這是我想出了實施：
start = time.time()
import numpy as np
np.random.seed(2) #Seed for deterministic result, just for debugging
topLimit = 0.55
bottomLimit = 0.45
#Generate three random arrays, will not be random in the real world
res = np.random.rand(500,3) #Will probably not be much longer than 500
energy = res[:,0]
point = res[:,1]
valList = res[:,2]
#Step 1:
#Generate two bools that (for ex. energy) is true when energy is above a threashold
#and point below another threshold). The opposite applies to point
energyListBool = ((energy > topLimit) & (point < bottomLimit))
pointListBool = ((point > topLimit) & (energy < bottomLimit))
#Step 2:
#Remove all 'true' that comes after another true since this is not valid
energyListBool[1:] &= energyListBool[1:]^energyListBool[:-1]
pointListBool[1:] &= pointListBool[1:]^pointListBool[:-1]
p = 100
e = 0
#Step 3:
#Loop through the lists, if point is true, I loose all p but gain p/valList[i] for e
#If energy is true I loose all e but gain valList[i]*e for p
for i in range(len(energyListBool)):
if pointListBool[i] and e == 0:
e = p/valList[i] #Trade all points to energy
p = 0
elif energyListBool[i] and p == 0:
p = valList[i]*e #Trade all enery to points
e = 0
print('p = {0} (correct for seed 2: 3.1108006690739174)'.format(p))
print('e = {0} (correct for seed 2: 0)'.format(e))
end = time.time()
print(end - start)
我所用struggeling是如何（如果這是可以做到），以矢量化的循環，這樣我就可以使用而不是我腦海中可能會更快的for-loop。