Erlang 并发 Montecarlo Pi 估计

Question

对于一项作业，我需要使用 Montecarlo 方法在 Erlang 中估计 pi，但具有指定数量的参与者和迭代。我有一个不使用并发的工作版本（改编自 https://programmingpraxis.com/2009/10/09/calculating-pi/），因此采用一个参数，N = 迭代次数（点）。我试图通过创建另一个带有两个参数的 montecarlo() 函数来添加它，N = # of iterations 和 X = # of actors。我无法弄清楚如何使用（伪）循环来生成每个演员。

之前的版本 return 是 pi 估计，但在我弄清楚产卵之后，我假设我必须对每个演员的 return 值进行平均，以获得最终的 pi 估计。

这是我的资料：

-module(pi).
-export([montecarlo/1, montecarlo/2]).

montecarlo(N, X)->
    NumIterPerActor = N div X,
    %io:fwrite("Number of actors = ~w~n",[X]),
    %io:fwrite("Number of iterations per actor = ~w~n",[NumIterPerActor]),
    lists:seq(1, X),
    spawn(pi, montecarlo, [NumIterPerActor]).

montecarlo(N)->
    montecarlo(N,0,0).

montecarlo(0,InCircle,NumPoints)->
    PiEst = 4*InCircle / NumPoints,
    io:fwrite("Pi = ~w~n", [PiEst]);

montecarlo(N,InCircle,NumPoints)->
    Xcoord = rand:uniform(),
    Ycoord = rand:uniform(),
    montecarlo(N-1,if Xcoord*Xcoord + Ycoord*Ycoord < 1 -> InCircle + 1; true -> InCircle end,NumPoints + 1).

通过研究问题，我看到了使用 map()，但据我了解，您是在 map() 内部创建一个新函数，而不是使用已经实现的函数。

编辑：

在截止日期之前没有收到任何建议（我的错等了这么久），所以我寻求同学的帮助并想出了一个递归的解决方案：

-module(pi).
-export([montecarlo/1, montecarlo/2, assign/3, compute/2, addPi/3]).

montecarlo(N, X)->
    NumIterPerActor = N div X,  %number of iterations for each actor
    io:fwrite("Number of actors = ~w~n",[X]),
    io:fwrite("Number of iterations per actor = ~w~n",[NumIterPerActor]),
    %Actors = lists:seq(1, X),   %generate desired number of actors
    %Pi1 = spawn(pi, montecarlo, [NumIterPerActor]),
    %Pi2 = spawn(pi, montecarlo, [NumIterPerActor]).
    ReceiverID = spawn(pi, addPi, [0, X, X]),
    assign(ReceiverID, X, NumIterPerActor).

assign(ReceiverID, 1, Iter)->
    spawn(pi, compute, [Iter, ReceiverID]);

assign(ReceiverID, X, Iter)->
    spawn(pi, compute, [Iter, ReceiverID]),
    assign(ReceiverID, X-1, Iter).

compute(Iter, ReceiverID)->
    Est = montecarlo(Iter),
    ReceiverID ! {Est}.

addPi(Pies, X, 0)->
    FinalPi = Pies/X,
    io:fwrite("Pi = ~w~n", [FinalPi]);

addPi(Pies, X, Rem)->
    receive
        {Estimate} ->
            addPi(Pies+Estimate, X, Rem-1)  
    end.

montecarlo(N)->
    montecarlo(N,0,0).

montecarlo(0,InCircle,NumPoints)->
    4*InCircle / NumPoints;
    %io:fwrite("Pi = ~w~n", [PiEst]);

montecarlo(N,InCircle,NumPoints)->
    Xcoord = rand:uniform(),
    Ycoord = rand:uniform(),
    montecarlo(N-1,if Xcoord*Xcoord + Ycoord*Ycoord < 1 -> InCircle + 1; true -> InCircle end,NumPoints + 1).

Answer 1

lists:foreach/2 似乎很适合当您需要迭代地做一些有副作用的事情时，例如生成一个进程。

您可以 map/2 将 NumIterPerActor 放入 IterList 列表中，并使用 foreach/2 在其上迭代生成进程。

montecarlo(N, X) ->
    NumIterPerActor = N div X,
    IterList = lists:map(fun(_) -> NumIterPerActor end, lists:seq(1, X)),
    lists:foreach(fun(IPA) -> spawn(?MODULE, montecarlo, [IPA]) end, IterList).

要回答你的最后一个问题，请注意在 map/2 或 foreach/2 中你可以将任何函数调用包装在 lambda 函数中并将相关参数传递给它。

Erlang 并发 Montecarlo Pi 估计

Erlang Concurrent Montecarlo Pi Estimation

concurrency

erlang

spawn

montecarlo

pi