Question

下面是一个生成马尔可夫路径的python函数（旅行商问题）。

def generate_travel_path(markov_matrix, n):
    assert markov_matrix.shape[0] == markov_matrix.shape[1]
    assert n <= markov_matrix.shape[0]

    p = markov_matrix.copy()
    path = [0] * n
    for k in range(1, n):
        k1 = path[k-1]
        row_sums = 1 / (1 - p[:, k1])
        p *= row_sums[:, np.newaxis]
        p[:, k1] = 0
        path[k] = np.random.multinomial(1, p[k1, :]).argmax()

    assert len(set(path)) == n
    return path

markov_matrix是预定义的马尔可夫转移矩阵。代码生成从节点0开始的路径，并根据此矩阵访问每个节点一次。

但是我觉得这个功能很慢。以下是53x53 markov_matrix：

的逐行配置文件

Timer unit: 3.49943e-07 s

Total time: 0.00551195 s
File: <ipython-input-29-37e4c9b5469e>
Function: generate_travel_path at line 1
Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
     1                                           def generate_travel_path(markov_matrix, n):
     2         1           31     31.0      0.2      assert markov_matrix.shape[0] == markov_matrix.shape[1]
     3         1           12     12.0      0.1      assert n <= markov_matrix.shape[0]
     4
     5         1           99     99.0      0.6      p = markov_matrix.copy()
     6         1           12     12.0      0.1      path = [0] * n
     7        53          416      7.8      2.6      for k in range(1, n):
     8        52          299      5.8      1.9          k1 = path[k-1]
     9        52         3677     70.7     23.3          row_sums = 1 / (1 - p[:, k1])
    10        52         4811     92.5     30.5          p = p * row_sums[:, np.newaxis]
    11        52         1449     27.9      9.2          p[:, k1] = 0
    12        52         4890     94.0     31.0          path[k] = np.random.multinomial(1, p[k1, :]).argmax()
    13
    14         1           51     51.0      0.3      assert len(set(path)) == n
    15         1            4      4.0      0.0      return path

如果我运行此功能25000次，则需要超过125秒。任何提高速度的空间？

下面是一个生成马尔可夫矩阵的简单函数。

def initial_trans_matrix(n):
    x = np.ones((n, n)) / (n - 1)
    np.fill_diagonal(x, 0.0)
    return x

如何优化马尔可夫路径的numpy代码

0 个答案: