影响翻译时间的因素
Factors that Impact Translation Time
我在开发模型时遇到了 运行 个问题,其中翻译时间(模拟很快但翻译时间太长)已经成为一个严重的问题,我可以利用一些洞察力来研究解决这个问题。
所以问题是:
影响模型翻译时间的主要因素有哪些以及解决该问题的想法?
例如可能有影响的事情:
for
循环与矢量化方法 - 测试它的基本模型似乎没有任何影响
- 使用
input
变量与参数
- 注释的影响(例如,
Evaluate=true
)
- 或者运气不好,这取决于工具(Dymola、OMEdit 等):(
- 使用很多
connect()
- 这似乎是一个因素(可能是主要因素),因为它迫使翻译人员完成所有繁重的工作
非常感谢任何见解。
很明显这个问题的答案自然是开放式的。当计算时间可能是一个因素时,需要考虑很多事情。
对于分布式模型(例如,有限差分),使用简单模型然后使用 connect
方程以适当的顺序 link 并不是生成模型的最佳方法。经验表明,这种方法会显着增加翻译时间,达到无法忍受的程度。最好使用与 MSL 动态管道相同的方法创建分布式模型(不完全相同,但相似)。
随着分布式元素的数量增加到更大的数量,与使用 connect
语句相比,
在翻译时间(较大模型的数量级,>~100,000 个方程)上改变方法要快得多。这是使用 Dymola 2017 和 2017FD01 测试的。
一些其他人指出的可能对更多信息有用的相关材料已包含在下面:
我在开发模型时遇到了 运行 个问题,其中翻译时间(模拟很快但翻译时间太长)已经成为一个严重的问题,我可以利用一些洞察力来研究解决这个问题。
所以问题是:
影响模型翻译时间的主要因素有哪些以及解决该问题的想法?
例如可能有影响的事情:
for
循环与矢量化方法 - 测试它的基本模型似乎没有任何影响- 使用
input
变量与参数 - 注释的影响(例如,
Evaluate=true
) - 或者运气不好,这取决于工具(Dymola、OMEdit 等):(
- 使用很多
connect()
- 这似乎是一个因素(可能是主要因素),因为它迫使翻译人员完成所有繁重的工作
非常感谢任何见解。
很明显这个问题的答案自然是开放式的。当计算时间可能是一个因素时,需要考虑很多事情。
对于分布式模型(例如,有限差分),使用简单模型然后使用 connect
方程以适当的顺序 link 并不是生成模型的最佳方法。经验表明,这种方法会显着增加翻译时间,达到无法忍受的程度。最好使用与 MSL 动态管道相同的方法创建分布式模型(不完全相同,但相似)。
随着分布式元素的数量增加到更大的数量,与使用 connect
语句相比,
在翻译时间(较大模型的数量级,>~100,000 个方程)上改变方法要快得多。这是使用 Dymola 2017 和 2017FD01 测试的。
一些其他人指出的可能对更多信息有用的相关材料已包含在下面: