优化和多处理程序的特定部分以加快执行速度

Question

我正在运行一个需要很长时间才能完成的特定程序，然后我意识到我可能正在做一些完全愚蠢的事情。再加上程序没有充分利用我的 CPU 的这一事实，我在这里寻求帮助以优化代码的核心。

我对 Python 中的多处理不是很满意，所以这个网站上的所有答案都没有太大帮助。

我正在使用的具体代码是：

k=10000

for i in range(2,k):
  n=i

  people=[]
  for i in range(1,n+1):
    people.append(i) #create list of people, labelled with integers

  while(len(people)>1): #the game ends when there is 0 or 1 people left
    shoot=[]

    for i in people:
      choice=i
      while(choice==i):
        choice=random.choice(people) #i-th chooses a person to kill and can't choose himself
      shoot.append(choice)

    for i in shoot:
      if(i in people):
        people.remove(i) #remove killed people

问题在于people 数组可能是一个巨大的列表（k 是一个巨大的数字），并且在最坏的情况下操作的数量是 k 阶乘的数量级，这可能非常大。

我想使用您可能建议的任何优化，并且如果可能的话，我想知道如何在这里使用多处理。如果有帮助的话，我有 8 个虚拟核心。

感谢任何输入。

Answer 1

我认为它不会比这更快：

import numpy as np
import concurrent
import random

k=10
num_workers = 8

def choose_shoot(people, idx):
    shoot = random.choice(tuple(people - set([idx])))
    return shoot

def find_shoot(n):

    people = set(np.arange(1, n+1))

    while(len(people)>1):

        shoot = set([*map(lambda x: choose_shoot(people, x), people)])
        people = set([*filter(lambda x: x not in shoot, people)])

    return people, len(people)

with concurrent.futures.ThreadPoolExecutor(max_workers=num_workers) as pool:
        survivors, sizes = zip(*list(pool.map(find_shoot, range(2, k+1))))

如果你想要单例的数量，大小是每组幸存者的大小：

num_singletons = sizes.count(1)
num_empty = sizes.count(0)