انجمن‌های فارسی اوبونتو
کمک و پشتیبانی => برنامه‌سازی => نویسنده: قاسم طلایی در 01 آذر 1400، 02:09 ب‌ظ
-
سلام، خسته نباشید، من دارم برنامه ای با پایتون می نویسم که باید در اون 7 متغیر با آزمون و خطا مقادیرشون مشخص بشه، یعنی باید یه مقادیر فرضی بهش بدیم و run کنیم و نتیجه رو مقایسه کنیم و...
اما این روش خیلی زمان بره، به عنوان ساده ترین الگوریتم 7 حلقه for تودرتو نوشتم که به صورت اتوماتیک در بازه های مشخصی از مقادیر متغیر ها، خودش تست و مقایسه کنه منتهی بسیار زمان بره و منطقی نیست. الگوریتم یا کتابخانه ای می شناسید که این کار رو سریع تر انجام بده؟ البته فکر کنم گفتنش بد نباشه که پروژه مربوط به deep learnig یا ML نیست. متشکرم
-
پایتون رو با pypy ران کن پرفورمنسش معمولا بهتره
-
پایتون رو با pypy ران کن پرفورمنسش معمولا بهتره
بسیار متشکرم از پاسخ شما
اما مشکل کند بودن خود پایتون نیست.مشکل کند بودن الگوریتم هست.
-
این بستگی به مساله شما داره. همون ML که اشاره کردید می‌تونه راه‌کار مناسبی باشه. در کل وقتی ایده‌ای ندارید که بهینه‌ترین حالت کجا قرار داره، بهتره به جای تست همه حالت‌های ممکنَ، با مقادیر تصادفی کار رو آغاز کنید. مثلا ۱۰۰۰ بار مقادیر تصادفی به همه متغیرهایت بده و تست کن تا ببینی کجاها بهینه‌تر می‌شه. بعدش برای پیدا کردن حالت بهینه میتونید از الگوریتم ژنتیک استفاده کنید. کلا الگوریتم ژنتیک رو سرچ کنید و راجع بهش مطالعه کنید.
-
میتونید از الگوریتم‌های ابتکاری و فراابتکاری مثل الگوریتم‌های swarm استفاده کنید. از PSO یا هارمونی ساده تا انواع و اقسام مختلف ژنتیک که بهش اشاره شد.
البته باید یک تابع هدف داشته باشید. یعنی بدونید مقادیر این متغیرها منجر به چه نتیجه‌ای بشند.
-
با تشکر از دوستان.انتخاب رندوم متغیرها و انجام تست موثر بود.بازم متشکر