python - 减少python中的函数调用开销

Question

我开发了一个模拟 N 机器人在网格中移动的应用程序，这些机器人试图在有限的步数中最大化访问网格单元的数量，并在目标点相遇。一切正常，但速度太慢了。目前是python+numpy+mathplotlib。

最大机器人可以有 100 个软限制(如果可以更高，那就太好了)。

为此，我执行以下简化操作:

while steps > 0:
    for robot in robots:
        agent.calc(robot,steps)

机器人是一个 1x2 numpy 数组(x 和 y 坐标)。

这里的代理决定做什么。由于我需要即时切换战术和策略，因此我无法移动该逻辑。

agent.calc 一个接一个地更新机器人。

cProfiling 它返回 following .提取顶部

         39014272 function calls (39010490 primitive calls) in 150.314 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
 12417735   62.807    0.000   62.807    0.000 distance.py:8(taxicab_distance)
   124596   36.882    0.000   36.882    0.000 {numpy.core.multiarray.array}
   113657   30.204    0.000  100.800    0.001 logical_agent.py:16(choose_max_distance_to...)
 12417013    6.579    0.000   69.384    0.000 squaregrid.py:30(distance)
   113700    2.900    0.000  109.769    0.001 logical_agent.py:73(calc)
 11652363    2.625    0.000    2.625    0.000 {method 'append' of 'list' objects}
   161849    1.653    0.000    1.653    0.000 distance.py:11(euclidean_distance)
   113664    1.632    0.000    1.632    0.000 {sorted}
   114834    1.185    0.000    1.185    0.000 {method 'keys' of 'dict' objects}
   113700    0.695    0.000    1.134    0.000 squaregrid.py:19(neighbours)

我为机器人实现了不同的环境，最重要的是squaregird。每个环境都有自己的距离函数，因为我打算使用不同的指标，即曼哈顿/出租车和欧几里德。我将距离函数提取到一个自己的 distance.py 文件中，因为我曾多次使用它。

可以看出 taxicab_distance 被称为 alot，因为 agent 需要评估一个机器人的四个邻居和它自己到目标点的距离，以查看下一个位置是否仍然可以到达目标，并且最大化与所有其他机器人的距离作为优化启发式。

这个函数没有做任何花哨的事情，只是

def taxicab_distance(u, v):
    return np.abs(u[0] - v[0]) + np.abs(u[1] - v[1])

我知道 python 有相当高的函数调用开销，我认为这会影响性能。 {numpy.core.multiarray.array} 可以忽略，我想我知道我在那里做错了什么。

远程调用链:agent -> environment.distance -> taxicab_distance

问题是，如何减少调用函数的开销？我强烈考虑使用 pythons c 可扩展性、cython 来更具体。它会工作吗？它这么慢还有其他原因吗？

Answer 1

首先，我将其重写为:

def taxicab_distance(u, v):
     return np.sum(np.abs(u - v))

你能同时计算多个机器人的 taxicab_distance 吗？