3
我有一个算法，我在python中实现。该算法可能会执行1.000.000次，所以我想尽可能优化它。算法中的基数是三个列表（energy,point和valList）以及两个计数器p和e。向量化或优化一个循环，其中每次迭代都取决于前一次迭代的状态
这两个列表energy和point包含0和1之间的数字，我基于此决定。 p是一个点计数器和e是一个能量计数器。我可以交易点能源，每个能源的成本定义在valList（这是时间相关）。我也可以换一种方式。但我必须马上交易。
该算法的概要：
- 优惠布尔列表，其中在
energy元件在阈值之上并且在point元素低于另一阈值。这是一个交易能量积分的决定。获取点的相应列表，该列表决定交易点的能量 - 在每个布尔列表中。删除所有真值后的另一个真正的价值（如果我已经交易所有点的能量，我不允许再做点）
- 对于每个项目对（
pB，点布尔和eB，能源布尔）从两个布尔列表：如果PB是真实的，我有点，我想交易我所有的点为能。如果eB是真的，并且我有能量，我想把我所有的能量换成积分。
这是我想出了实施：
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（如果这是可以做到），以矢量化的循环，这样我就可以使用而不是我脑海中可能会更快的for-loop。