Question

他

我有一个有点假设的问题。作为计算智能课程项目的一部分，我们刚刚编写了一些实现遗传算法的代码，以找到数独游戏的解决方案。不幸的是，它运行速度非常慢，这限制了我们执行足够数量运行以找到最佳参数的能力。问题在于重新编程整个事物 - 代码基础并不是那么大 - 将java作为提高软件速度的可行解决方案。就像我们真正需要10倍的性能提升一样，我怀疑Java版本会如此迅速。有什么想法吗？

谢谢

===更新1 ===

这是计算上最昂贵的函数的代码。它是一个GA适应度函数，它遍历总体（不同的数独板）并计算每一行和每列有多少元素是重复的。参数n被传递，并且当前设置为9.也就是说，该函数计算一行中有多少元素在1到9的范围内出现，然后再多出一次。数字越大，董事会的适应性就越低，这意味着它对下一代来说是一个弱势候选人。

分析器报告在for循环中调用两行的行导致性能不佳，但我们不知道如何真正优化代码。它如下：

function [fitness, finished,d, threshold]=fitness(population_, n)
finished=false;
threshold=false;
V=ones(n,1);
d=zeros(size(population_,2),1);
s=[1:1:n];
for z=1:size(population_,2)
    board=population_{z};
    t=0;
    l=0;
    for i=1:n
        l=l+n-length(intersect(s,board(:,i)'));
        t=t+n-length(intersect(s,board(i,:)));

    end
    k=sum(abs(board*V-t));

    f=t+l+k/50;
    if t==2 &&l==2
        threshold=true;
    end
    if f==0
        finished=true;        
    else
        fitness(z)=1/f;
        d(z)=f;
    end
end
end

===更新2 ===

在此处找到解决方案：http://www.mathworks.com/matlabcentral/answers/112771-how-to-optimize-the-following-function

使用histc（V，1：9），速度要快得多：）

Answer 1

如果不查看代码，知道是否使用并行化等，这是不可能的。事实上，正如MrAzzaman所说，分析是首先要做的事情。如果您发现单个瓶颈，特别是如果它是循环沉重的，那么将该部分写入C并通过MEX将其连接到Matlab可能就足够了。

在遗传学算法中，我认为可以获得10倍的速度提升而不是。我不太同意MrAzzaman - 在某些情况下（for循环，使用动态对象）比C / C ++ / Java慢得多。这并不是说Matlab总是很慢，因为它不是，但是有很多算法会很慢。

即，我会说，如果你不花太多时间在事物上循环，不使用对象，不受Matlab的数据结构的限制，你可以使用Matlab。也就是说，如果我要用Java或Matlab编写GAs，我宁愿选择前者（而且我现在使用Matlab比Java更多，这不仅仅是习惯问题）。

顺便说一下。如果您不想自己编程，请查看JGAP，它对于GA来说是一个非常有用的Java库。

Answer 2

好的，第一步就是编写更快的MATLAB函数。保存新语言以供日后使用。

我将假设董事会充满了有效的猜测：也就是说，每个条目都在[1,9]中。现在，我们真正想要的是每行/每列中的重复条目。为了找到重复，我们排序。在排序的行上，如果任何元素等于其邻居，则我们有重复。在MATLAB中，diff函数执行滑动成对差分，其输出中的零表示两个相邻值相等。 sort和diff都在整个矩阵上运行，因此不需要循环。这是列式检查的代码：

l=sum(sum(diff(sort(board)) == 0));

行方向检查完全相同，只是使用转置。现在让我们把它放在测试工具中，将结果和时间与以前的版本进行比较：

n = 9;
% Generate a test board.  Random integers numbers from 1:n
board = randi(n, n);

s = 1:n;
K=1000; % number of iterations to use for timing

% Repeat current code for comparison
tic
for k=1:K
    t=0;
    l=0;
    for i=1:n
        l=l+n-length(intersect(s,board(:,i)'));
        t=t+n-length(intersect(s,board(i,:)));
    end
end
toc

% New code based on sort/diff for finding repeated values
tic
for k=1:K
    l2=sum(sum(diff(sort(board)) == 0));
    t2=sum(sum(diff(sort(board.')) == 0));
end
toc

% Check that reported values match
disp([l l2])
disp([t t2])

我建议您分解sort / diff / sum代码，并在命令行的示例board上构建它，并尝试准确理解它是如何工作的。

在我的系统上，新代码的速度提高了约330倍。

Answer 3

对于用于学习和研究目的的传统GA应用程序，最好使用本机编译的源代码编程语言，如C，C ++。我在使用Genetic时使用过的在过去的编程，它真的很快。

但是，如果您计划将其置于更现代的应用程序类型中，该应用程序可以部署在Web容器中，也可以在移动设备，不同的操作系统等中运行。那么Java是您的最佳选择，因为它与平台无关。

另一件重要的事情是关于并发性。例如，让我们假设您希望将GA放在Internet中，并且您将拥有越来越多的并发连接的用户，并且所有用户都希望解决不同的数据，Java应用程序非常适合水平扩展并且工作得很好具有大量并发连接。

如果迁移到Java，那么可能有用的其他方面是可以使用的库和框架的数量，Java Universe非常大，几乎可以为任何类型的应用程序找到有用的工具。

Java是一种虚拟机编译语言，但重要的是要注意当前JVM在性能方面非常出色并且能够优化程序，例如，他们会发现哪些方法使用得更频繁并将它们编译为本机代码，这意味着对于某些应用程序，您会发现Java程序几乎与从C编译的本机程序相同。

Matlab是一个非常适用于工程训练和数学，矢量，基于矩阵的计算的平台，也适用于Simulink的一些控件。我在电气工程学士学位时使用过这些产品，但是这些产品的目标主要是用于学术目的的工具，如果我想为现实世界构建生产应用程序，我绝对不会选择Matlab。它不具有可扩展性，维护和微调的成本很高，而且还没有很多基础设施提供商支持这种技术。

关于将代码重写为Java的复杂性，Matlab代码和Java代码语法非常相似，它们也存在于相同的范例中：程序OOP，即使您在代码中没有使用OO，也可以轻松地重写在Java中，当使用Matlab快捷方式来处理数学结构（如矩阵和传递函数作为参数）时，会遇到一些痛苦的事情。

对于矩阵的东西，有很多像EJML这样的java库会让你的生活更轻松。关于将函数赋值给变量然后将它们作为参数传递给另一个函数，Java目前无法做到这一点（Java 8将使用Lambda表达式），但是您可以通过使用类闭包来获得等效的功能。也许这些将是你在迁移时会发现的唯一一些痛苦的事情。

Answer 4

在此处找到解决方案：http://www.mathworks.com/matlabcentral/answers/112771-how-to-optimize-the-following-function

使用histc（V，1：9），速度要快得多：）

在Java中转换Matlab程序以提高性能的敏感性

4 个答案: