编辑：

Question

编辑：

所以我让代码运行了70个小时，但它没有返回。因此，我坚持我的观点，它确实卡在某些东西上，默默地失败并让bash挂起。从与N1和N2之间的相对小的跳跃相比的时间增加，它不是O（N） - >。 O（N²）可以解释。

（从N到2N的输入意味着执行时间从N²到4N²，因此它应该只需要4倍的时间。在2小时后不返回，而在15分钟内完成N则意味着某些操作失败）

接受的解决方案非常有效，直到（立即）达到非常干净的内存溢出。

$ py so_mysan.py 400000000回溯（最近一次调用最后一次）：文件 “so_mysan.py”，第36行，in sys.exit（main（sys.argv [1：]））文件“so_mysan.py”，第8行，主要 ordering = list（range（N））MemoryError

感谢您的时间。

/编辑

import sys
import numpy as np 
from random import randint

def main(arguments):
    N = int(sys.argv[1])
    # definissons notre ligne de maison : 
    houses = [0]*N
    emptySlot = list(range(0,N)) 
    # counter = 1 
    while (len(emptySlot)>0):
        # on prend une maison vide possiblement habitable par un mysanthrope, au hasard. 
        empt = randint(0, len(emptySlot)-1)
        houses[emptySlot[empt]] = 1
        # on enlève cette maison de notre liste de possibilité 
        # et éventuellement les maisons adjacentes si elles y étaient
        temp = emptySlot[empt]
        del emptySlot[empt]
        # on essaye d'enlever les autres si existes plus efficacement : 
        if (0<=empt and empt<len(emptySlot) and emptySlot[empt] == temp+1):
            del emptySlot[empt] # comme on a viré l'index empt, ça décale.
        if (empt-1 >= 0 and emptySlot[empt-1] == temp-1):
            del emptySlot[empt-1] # pour l'inférieur, cela ne change rien

    occupancyRate = sum(houses) / N
    print(occupancyRate)

if __name__ == '__main__':
    sys.exit(main(sys.argv[1:]))

我想这与数组大小有关，但我的资源监控并没有显示CPU或RAM通过屋顶。它运行良好，最高可达N = 4.10 ^ 6

我不认为多线程是可能的或值得的，因为它只是一个数组被操纵。

我可以做些什么来优化它？

如何调试这样的脚本？我需要知道它是“卡住”还是只花了不可思议的时间。

由于

Answer 1

这可能应该是代码审查，因为它是一个复杂性问题，但是再次，编写的算法不适用于大N：s所以我将采用另一种方法。

删除列表中间的元素可能会导致很多（并且代价高昂）的内存操作。通过首先准备（随机）元素列表然后以线性方式访问它们，尝试将它们保持在最低限度要好得多。有一个非常漂亮的函数random.shuffle可用于生成随机列表：

import random

N = 10000000

ordering = list(range(N))
random.shuffle(ordering)

houses = [0]*N

for elem in ordering:
    if (elem == 0 or houses[elem-1] == 0) and (elem == N-1 or houses[elem+1] == 0):
        houses[elem] = 1

occupancyRate = sum(houses) / N
print(occupancyRate)

在此代码中，首先生成随机元素顺序（使用random.shuffle），然后线性访问此随机列表。我也不会在列表中删除任何元素，因为很少或根本没有增益，因为最大内存消耗仍然是相同的。

这可能会为您提供更好的运行时间，并允许您处理更大的列表。但是，算法在时间和内存消耗方面仍然是线性的，所以你也会为这个算法找到一个顶点。

一旦N＆gt;＆gt;我的脚本似乎卡住了1

编辑：

/编辑

1 个答案: