小编Wan*_*ang的帖子

我编写了一个主函数，它使用随机优化算法（粒子群优化）来找到 ODE 系统的最优解。我会运行 50 次以确保找到最优的。起初运行正常，但现在我发现计算时间会随着迭代次数的增加而增加。前十次计算花费不到300s，但最后计算会增加到500s。看来每次计算都会多花3~5秒的时间。我已按照高性能提示来优化我的代码，但它不起作用。

抱歉，我之前不太清楚如何上传我的代码，这是我在下面编写的代码。但是在这段代码中，实验数据没有加载，我可能需要想办法上传数据。在 main 函数中，随着i的增加，每次计算的时间成本也在增加。

哦，对了，我还发现了一个有趣的现象。我改变了计算次数，计算时间又变了。主循环前20次计算，每次计算耗时约300秒，内存使用波动较大。但我不知道的事情发生了，它正在加速。每次计算时间减少1/4，约为80s。内存使用量变成了这样的一条直线：

我知道 Julia 会在第一次运行时进行预热，然后加速。但这种情况似乎有所不同。这种情况看起来 Julia 在前 20 次计算中运行缓慢，然后它找到了一个优化内存使用并加快速度的好方法。然后程序就全速运行。

using CSV, DataFrames
using BenchmarkTools
using DifferentialEquations
using Statistics
using Dates
using Base.Threads
using Suppressor

function uniform(dim::Int, lb::Array{Float64, 1}, ub::Array{Float64, 1})
    arr = rand(Float64, dim)
    @inbounds for i in 1:dim; arr[i] = arr[i] * (ub[i] - lb[i]) + lb[i] end
    return arr
end

mutable struct Problem
    cost_func
    dim::Int
    lb::Array{Float64,1}
    ub::Array{Float64,1}
end

mutable struct Particle
    position::Array{Float64,1}
    velocity::Array{Float64,1}
    cost::Float64
    best_position::Array{Float64,1}
    best_cost::Float64
end

mutable struct …