Optimization Haskell：列表/向量/阵列性能调整

我正在尝试Haskell来计算统计物理中模型的配分函数。这涉及到遍历相当大的配置列表和对各种观察值求和——我希望尽可能高效地这样做

我的代码的当前版本如下：

当尝试在列表和向量之间进行选择以枚举配置时，会发生一些奇怪的事情；特别是，要截断列表，请使用

V.toList。取（3^n）。V.fromList

（其中

V

是

Data.Vector

）比仅仅使用

take

更快，这感觉有点违反直觉。在这两种情况下，列表都是惰性评估的

列表本身是使用

迭代

构建的；相反，如果我尽可能多地使用

Vector

s，并使用

V.iterateN

构建列表，那么它会再次变慢

---

我的问题是，有没有一种方法（除了在代码中的任意位置拼接

V.toList

和

V.fromList

）来预测哪种方法最快？（顺便说一句，我使用当前稳定版本的ghc-O2编译所有内容。）

向量是严格的，并且有O（1）个子集（例如take）。它们还具有优化的插入和删除功能。因此，您有时会看到通过动态切换数据结构来提高性能。然而，这通常是错误的方法——以一种或另一种形式保存所有数据更好。（您也在使用uarray，这进一步混淆了问题）

一般规则：

• 如果数据很大且仅以批量方式进行转换，则使用密集、高效的结构（如向量）是有意义的

• 如果数据很小，并且很少线性遍历，那么列表就有意义

请记住，列表和向量上的操作具有不同的复杂性，因此当

迭代时。列表上的replicate

是O（n），但在向量上使用相同的惰性方法不一定会有同样的效率（您应该更喜欢向量中的内置方法来生成数组）

一般来说，向量对于数值运算应该总是更好的。可能您必须使用列表中的不同函数

---

我只会坚持向量。避免使用UARRAY，并避免列表作为生成器。

BTW

-funbox严格字段将有助于您的统计数据类型。确实如此！总的来说，使用它的速度提高了约10%。。。像这样的优化是一种乐趣：-）BTW-我做了一个基准实现在C++中，使用相同的算法以势在必行的方式使用STD::vector。在我的计算机上，N＝15，Haskell版本在4.6秒内完成，C++的大约在1.8秒内完成。我想说这是非常令人满意的：-）谢谢你的答复。事实上，混合看起来是错误的（这就是我为什么要问这个问题），但我尝试的所有“统一”方式最终都比我现在使用的奇怪的混合方式慢，有时慢3到4倍。也许我错过了一个。。。我会尝试其他东西！关于避免
UArray
s：我尝试用
V.acum
或
V.acculate
替换
accumaray
，它们似乎是等效的，而且速度稍慢，这就是为什么我选择了阵列选项。