Question

我使用Python中的Barnes-Hut优化实现了N体仿真，对于N = 10,000个物体，它以不可接受的速度运行，但它仍然太慢而无法实时观察。

每个时间步都会生成一个新帧，要显示帧，我们必须首先计算实体的新位置，然后全部绘制它们。对于N = 10,000，生成一帧需要大约5秒钟（由于Barnes-Hut应该给出更好的结果，这是太高了）。显示通过pygame模块完成。

我希望能够以更高的速度录制我的模拟并重播一次。

如何在不降低程序速度或超出内存限制的情况下实现此目的？

一个潜在的解决方案就是每一步都保存pygame屏幕，但这显然非常慢。

我还考虑过存储每个时间步骤生成的实体的位置列表，然后在情境结束后重新绘制所有帧。绘制一个框架仍然需要一些时间，但没有计算新位置所花费的时间。

Answer 1

你将纯python与各种调用代码编译代码的程序进行比较。纯python比优化编译器生成的代码慢几个数量级。抛开语言战争，有些情况下python对脚本语言的执行速度非常快，而且有些情况下执行速度很慢。

我制作的许多苛刻的python项目都需要使用numpy/pandas/scipy或者像Pypy这样的解释器来编译一些python代码，以便立即提高它们的执行速度。编译器倾向于生成更快的代码，因为它们可以脱机进行优化，而不是试图在运行时的时间压力下执行它们。

视频文件是最通用且易于管理的播放格式，但需要一些胶水代码。要制作一个，您需要一个库来将可视化帧编码为视频帧。您似乎已经能够每帧生成图像，因此剩下的唯一步骤就是找到视频编解码器。

可以通过命令行界面调用FFMPEG将帧转储到视频文件中：http://zulko.github.io/blog/2013/09/27/read-and-write-video-frames-in-python-using-ffmpeg/

写作的示例代码是：

command = [ FFMPEG_BIN,
        '-y', # (optional) overwrite output file if it exists
        '-f', 'rawvideo',
        '-vcodec','rawvideo',
        '-s', '420x360', # size of one frame
        '-pix_fmt', 'rgb24',
        '-r', '24', # frames per second
        '-i', '-', # The imput comes from a pipe
        '-an', # Tells FFMPEG not to expect any audio
        '-vcodec', 'mpeg'",
        'my_output_videofile.mp4' ]

pipe = sp.Popen( command, stdin=sp.PIPE, stderr=sp.PIPE)

使用此方法，如果使用numpy数组，则可以使用此方法转储帧：

pipe.proc.stdin.write( image_array.tostring() )

此方法已由ffmpy库包装。

还有一个简单的选项，但它牺牲了视频文件的多功能性（以及真正令人印象深刻的有损压缩算法）。将可视化框架转换为生成文件。修改可视化工具以从文件中读取帧并以指定的速率播放它们。

这是一种直接的方法，我过去用来保存重播数据，以便稍后我玩机器人的多人游戏vindinium时观看。

应特别提及记忆，这非常适合数学计算。只需缓存递归定义的函数的结果，您可以节省大量的不必要的计算成本。 Barnes-Hut似乎有一个递归的方面，所以你应该检查记忆那个部分的可能性。

如何将N体模拟记录为视频？

1 个答案: