减少Python中的函数调用开销

Question

我开发了一个应用程序，模拟N 个机器人在网格中移动，尝试以有限的步骤最大化访问的网格单元的数量，并在目标点相遇。一切正常，但速度太慢了。目前是python+numpy+mathplotlib。

最大机器人数量的软限制为 100（如果可以更高，那就太好了）。

为此，我做了以下简化的操作：

while steps > 0:
    for robot in robots:
        agent.calc(robot,steps)

机器人是一个 1x2 numpy 数组（x 和 y 坐标）。

这里的代理决定要做什么。因为我需要即时改变战术和策略，所以我无法改变这个逻辑。

agent.calc一个接一个地就地更新机器人。

cProfiling 它返回以下内容。提取顶部

         39014272 function calls (39010490 primitive calls) in 150.314 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
 12417735   62.807    0.000   62.807    0.000 distance.py:8(taxicab_distance)
   124596   36.882    0.000   36.882    0.000 {numpy.core.multiarray.array}
   113657   30.204    0.000  100.800    0.001 logical_agent.py:16(choose_max_distance_to...)
 12417013    6.579    0.000   69.384    0.000 squaregrid.py:30(distance)
   113700    2.900    0.000  109.769    0.001 logical_agent.py:73(calc)
 11652363    2.625    0.000    2.625    0.000 {method 'append' of 'list' objects}
   161849    1.653    0.000    1.653    0.000 distance.py:11(euclidean_distance)
   113664    1.632    0.000    1.632    0.000 {sorted}
   114834    1.185    0.000    1.185    0.000 {method 'keys' of 'dict' objects}
   113700    0.695    0.000    1.134    0.000 squaregrid.py:19(neighbours)

我为机器人实现了不同的环境，最重要的是squaregird。每个环境都有自己的距离函数，因为我打算使用不同的度量，即曼哈顿/出租车和欧几里德。我将距离函数提取到自己的distance.py文件中，因为我在多次使用它。

可以看到，taxicab_distance被称为很多，因为智能体需要评估机器人的四个邻居和它自己到目标点的距离，看看下一个位置是否仍然可以到达目标，并最大化到所有其他机器人的距离作为优化启发式。

该函数没有做任何花哨的事情，只是

def taxicab_distance(u, v):
    return np.abs(u[0] - v[0]) + np.abs(u[1] - v[1])

我知道 python 的函数调用开销相当高，我认为这会影响性能。{numpy.core.multiarray.array}可以被忽略，我想我知道我在那里做错了什么。

距离调用链：agent ->environment.distance ->taxicab_distance

问题是，如何减少调用函数的开销呢？我强烈考虑使用 pythons c 扩展性，cython，更具体。它会起作用吗？还有其他原因导致它这么慢吗？

Answer 1

首先，我将其重写为：

def taxicab_distance(u, v):
     return np.sum(np.abs(u - v))

taxicab_distance你能同时计算多个机器人吗？

Answer 2

我用内联对其进行了基准测试，结果缩短了约 15 秒。最后，我用C++重写了数字运算，并使用cython进行集成。此后，只用了1秒的时间。

编辑：cpython - > cython