Python 生成器与回调函数

Question

我有一个类使用递归回溯算法解决精确覆盖问题。最初，我使用在初始化期间传递给对象的回调函数来实现该类。只要找到解决方案，就会调用此回调。在看别人对同一个问题的实现时，我看到他们使用 yield 语句来传递解决方案，换句话说，他们的代码是一个 python 生成器。我认为这是一个有趣的想法，所以我制作了一个新版本的类(class)以使用 yield 。然后我在两个版本之间进行了比较测试，令我惊讶的是，我发现生成器版本的运行速度比回调版本慢 5 倍。请注意，除了切换回调的 yield 外，代码是相同的。

这是怎么回事？我推测，因为生成器需要在屈服之前保存状态信息，然后在下次调用时重新启动时恢复该状态，正是这种保存/恢复使得生成器版本运行得非常慢。如果是这种情况，生成器必须保存和恢复多少状态信息？

python 专家有什么想法吗？

--编辑时间 7:40 PDT

这是使用 yield 的求解器代码。将下面的第一个 yield 替换为对回调函数的调用，并将第二个 yield 的以下循环更改为递归调用以解决此代码的原始版本。

   def solve(self):
      for tp in self.pieces:
         if self.inuse[tp.name]: continue

         self.inuse[tp.name] = True
         while tp.next_orientation() is not None:
            if tp.insert_piece():
               self.n_trials += 1
               self.pieces_in += 1
               self.free_cells -= tp.size

               if self.pieces_in == len(self.pieces) or self.free_cells == 0:
                  self.solutions += 1
                  self.haveSolution = True
                  yield True
                  self.haveSolution = False
               else:
                  self.table.next_base_square()
                  for tf in self.solve():
                     yield tf

               tp.remove_piece()
               self.pieces_in -= 1
               self.table.set_base_square(tp.base_square)
               self.free_cells += tp.size

         self.inuse[tp.name] = False
         tp.reset_orientation()

调用求解器的邮件循环(当然是在初始化之后)是

   start_time = time.time()
   for tf in s.solve():
      printit(s)

   end_time = time.time()
   delta_time = end_time - start_time

在回调版本中，只需一次调用即可解决循环。

Answer 1

我在评论中的意思是，(“递归函数的 yield 听起来需要额外的 for 循环才能将结果传递给调用者”)是这一行:

          for tf in self.solve():
             yield tf

这些行递归地循环更深层次递归阶段的结果。这意味着在递归的每个级别上迭代单个结果，导致 很多 不必要的循环。

让我用这个例子来说明:

n = 0
def rekurse(z):
    global n
    if z:
        yield z
        for x in rekurse(z-1):
            n += 1
            yield x

print list(rekurse(10))
print n

如您所见，这只是从 10 开始倒数，因此您期望迭代次数是线性的。不过您可以看到 n 呈二次方增长 - recurse(10) 循环 9 个项目，recurse(9) 循环 8 个项目等等在。

您拥有的项目越多，Python 花在这些简单行上的时间就越多。回调完全避免了这个问题，所以我怀疑这是你的代码的问题。

PEP 380 的优化实现可以解决这个问题(参见 this paragraph )。与此同时，我认为从递归函数中产生 yield 不是一个好主意(至少如果它们深度递归)，它们只是不能很好地协同工作。