搜索区间优化

Question

我的目标是使用给定的算法找到特定分布的概率密度函数。

这个算法要求我搜索一个float放在哪个区间。尽管代码运行完美，但耗时太长。我一直在寻找优化代码的方法，但想到了 none。

在每次迭代中，我检查浮点数是否在区间内：如果是这样，我希望在数组 p 中对我正在考虑的位置进行统一。

这是我的代码：

import numpy as np
import pylab as plt
import random as rd

n = [10,100,1000]
N = [10**6]
dy = 0.005
k_max = int(1/dy-1)
y = np.array([(j+0.5)*dy for j in range(k_max+1)])
intervals = np.linspace(0,1,k_max+2)

def p(y,n,N):

   p = np.zeros(len(y))

   Y = np.array([sum(np.array([rd.random() for k in range(n)]))/n for j in range(N)])
   z = np.array([sum(np.array([rd.random() for k in range(n)])) for l in range(N)])

   for j in Y:
       for i in range(len(y)-1):
           if intervals[i] <= j < intervals[i+1]:
               p[i] += 1

   return(p/(dy*N))

for a in n:
    pi = p(y,a,N[0])

    plt.plot(y,pi,label = 'n = ' + str(a))

plt.title('Probability Density Function')
plt.xlabel('x')
plt.ylabel('p(x)')
plt.show()

编辑： 我已经按照要求添加了完整的代码。 编辑 2： 修复了错误间隔。

Answer 1

可以在此处进行快速简单的优化：

   for j in Y:
       for i in range(len(y)-1):
           if intervals[i] <= j < intervals[i+1]:
               p[i] += 1

由于 intervals 由 len(y) 个均匀分布的数字组成 [0, 1]，这也是 Y 值的范围，我们不需要搜索的位置j 在 intervals 中，但我们可以计算它。

    for j in Y: p[int(j*(len(y)-1))] += 1

我们也可以删除未使用的

   z = np.array([sum(np.array([rd.random() for k in range(n)])) for l in range(N)])

剩余执行时间的绝大部分被

占用

   Y = np.array([sum(np.array([rd.random() for k in range(n)]))/n for j in range(N)])

这里到np.array的内部转换非常耗时；最好将它们全部排除在外：

   Y = [sum([rd.random() for k in range(n)])/n for j in range(N)]

搜索区间优化

Search of interval optimization

python

optimization

micro-optimization