python - 基于代理的模拟 : performance issue: Python vs NetLogo & Repast

Question

我正在用 Python 3 复制一小块 Sugarscape 代理模拟模型。我发现我的代码的性能比 NetLogo 慢 ~3 倍。可能是我的代码有问题，还是 Python 的固有限制？

显然，这只是代码的一个片段，但 Python 花费了三分之二的运行时间。我希望如果我写了一些非常低效的东西，它可能会出现在这个片段中:

UP = (0, -1)
RIGHT = (1, 0)
DOWN = (0, 1)
LEFT = (-1, 0)
all_directions = [UP, DOWN, RIGHT, LEFT]
# point is just a tuple (x, y)
def look_around(self):
    max_sugar_point = self.point
    max_sugar = self.world.sugar_map[self.point].level
    min_range = 0

    random.shuffle(self.all_directions)
    for r in range(1, self.vision+1):
        for d in self.all_directions:
            p = ((self.point[0] + r * d[0]) % self.world.surface.length,
                (self.point[1] + r * d[1]) % self.world.surface.height)
            if self.world.occupied(p): # checks if p is in a lookup table (dict)
                continue
            if self.world.sugar_map[p].level > max_sugar:
                max_sugar = self.world.sugar_map[p].level
                max_sugar_point = p
    if max_sugar_point is not self.point:
        self.move(max_sugar_point)

大致相当于code in NetLogo (这个片段比上面的 Python 函数做的多一点):

; -- The SugarScape growth and motion procedures. --
to M    ; Motion rule (page 25)
    locals [ps p v d]
    set ps (patches at-points neighborhood) with [count turtles-here = 0]
    if (count ps > 0) [
        set v psugar-of max-one-of ps [psugar]              ; v is max sugar w/in vision
        set ps ps with [psugar = v]                         ; ps is legal sites w/ v sugar
        set d distance min-one-of ps [distance myself]      ; d is min dist from me to ps agents
        set p random-one-of ps with [distance myself = d]   ; p is one of the min dist patches
        if (psugar >= v and includeMyPatch?) [set p patch-here]
        setxy pxcor-of p pycor-of p                         ; jump to p
        set sugar sugar + psugar-of p                       ; consume its sugar
        ask p [setpsugar 0]                                 ; .. setting its sugar to 0
    ]
    set sugar sugar - metabolism    ; eat sugar (metabolism)
    set age age + 1
end

在我的电脑上，Python 代码需要 15.5 秒才能运行 1000 步；在同一台笔记本电脑上，在浏览器中以 Java 运行的 NetLogo 模拟在不到 6 秒的时间内完成了 1000 步。

编辑:刚刚检查了 Repast，使用 Java 实现。它也与 NetLogo 在 5.4 秒时差不多。 Recent comparisons Java 和 Python 之间的差异表明 Java 没有优势，所以我想这应该归咎于我的代码？

编辑:我明白MASON应该比 Repast 更快，但它最终仍然运行 Java。

Answer 1

这可能不会带来显着的加速，但您应该知道，与访问全局变量或属性相比，局部变量在 Python 中要快得多。因此，您可以尝试将内部循环中使用的一些值分配给局部变量，如下所示:

def look_around(self):
    max_sugar_point = self.point
    max_sugar = self.world.sugar_map[self.point].level
    min_range = 0

    selfx = self.point[0]
    selfy = self.point[1]
    wlength = self.world.surface.length
    wheight = self.world.surface.height
    occupied = self.world.occupied
    sugar_map = self.world.sugar_map
    all_directions = self.all_directions

    random.shuffle(all_directions)
    for r in range(1, self.vision+1):
        for dx,dy in all_directions:
            p = ((selfx + r * dx) % wlength,
                (selfy + r * dy) % wheight)
            if occupied(p): # checks if p is in a lookup table (dict)
                continue
            if sugar_map[p].level > max_sugar:
                max_sugar = sugar_map[p].level
                max_sugar_point = p
    if max_sugar_point is not self.point:
        self.move(max_sugar_point)

Python 中的函数调用也有相对较高的开销(与 Java 相比)，因此您可以尝试通过直接字典查找替换 occupied 函数来进一步优化。

您还应该看看 psyco .它是 Python 的即时编译器，在某些情况下可以显着提高速度。但是，它尚不支持 Python 3.x，因此您需要使用旧版本的 Python。