如何更快地调试蒙特卡罗模拟？
我正在编写一个模拟退火程序，并且在调试时遇到一些问题。任何的建议都受欢迎。
首先，输出不是确定性的，所以我已经运行了一百次并查看平均值和标准偏差。
但是，完成一个测试用例需要年龄和年龄（> 30分钟）。
通常，我会尝试减少输入，但减少迭代次数会直接降低结果的准确性，而这种方式并不完全可预测。例如，冷却计划是按迭代次数缩放的指数衰减。减少单独运行的次数会使输出非常不可靠（我试图捕获的错误之一是运行之间的巨大差异）。
我知道过早优化是所有邪恶的根源，当然在程序甚至正确之前优化还为时过早，但我认真考虑重写这是一种更快的语言（Cython或C）知道我必须最后将它移植回Python提交。
那么，有没有什么方法可以比现在更好地测试模拟退火算法？或者我应该在测试之间进行其他工作吗？
披露：这是课程作业，但我不是要求你帮我实际模拟。
没有找到相关结果
已邀请:
1 个回复
杭难插
s（，（默认）和）。在模式和中，所有代码使用相同的Random实例，并且实例是固定的。因此，两次运行禁忌搜索实现会给出完全相同的移动，步骤和得分。模拟退火实现依赖于时间梯度，因此根据当时的CPU，可能会略有不同。注意：这不能使您免于统计运行，但它确实使单次运行可重现。 好的，可读的记录。使用日志记录级别。不要记录过于冗长。 我们的构建服务器（Hudson）保持性能统计。 有一个工具输出图表，以便更容易看到算法的作用。所以不要只看结果，还要看看它是如何实现的。它起初可能做得很好，但后来陷入了局部的最佳状态。 这些东西可以让您深入了解算法中实际发生的事情。 另外，请参阅我关于模拟退火的博客文章。