ソースコード
今回の連載 python/pypy/codonのソースコードディレクトリはこちら
https://github.com/suzukiiichiro/N-Queens/tree/master/10Bit_Python
インストールなどの構築はこちら
Nクイーン問題(66) Python-codonで高速化
https://suzukiiichiro.github.io/posts/2025-03-05-01-n-queens-suzuki/
対象解除法
対象解除法のロジックに関しては、これまでの章で幾度なく説明してきたので、この章ではcodon化に限って説明していきます。とはいいつつ、codon化も幾度なくこれまでの章で説明してきました。
codonについてのドキュメントや情報が薄いこともあり、pythonソースからのcodon化について、これからもしつこいくらいに重複を覚悟で漏れがないように説明していきたいと思います。
では、ソースの処理冒頭から
class NQueens04:
total:int
unique:int
aboard:list[int]
fa:list[int]
fb:list[int]
fc:list[int]
trial:list[int]
scratch:list[int]
:
:
def main(self)->None:
:
:
:
if __name__ == '__main__':
NQueens04().main();
処理本体を処理の内容で分類し、そのかたまりにclass
名を与え、一つないし複数のclass
を作成します。そのうえで、if __name__ == '__main__':
ブロックを最下行に配置して、class
名.main() を呼び出して処理を開始するのが慣例です。これは C/C++やJavaのソースコード記述規則に習ったものです。
Pythonの処理速度という観点では、if __name__ == '__main__':
ブロックでclass
名.main()を呼び出す効果はありませんが、今必要な
classをメモリに配置して実行し、直ちに必要とされない
class`はメモリ上に配置せず、アドレスとして記憶しておく。という仕組みはメモリ省力化に大きく影響します。
class
化しましょう。
グローバル変数をなくしましょう。
関数パラメータをたくさん並べる必要があるならば変数の構造化を使いましょう。
並列処理など束ねて管理したい変数群は構造体にすることで、省メモリに貢献できます。関数パラメータを大量に並べるのは、関数呼び出しが増えれば増えるほどスタックが増えます。C/C++でいうところの「値で渡す」べきか、「アドレスで渡すべきか」を見極めるは最適化にとって重要です。そういう意味でも、C/C++/Javaを経験したプログラマはPythonでも同様の緻密さを再現する方法を追求していることから、ソースコードを見れば「C/C++/Javaの経験者であるかどうかがわかる」わけです。こちらに関しては、のちのちの章で説明していきます。
def main(self)->None:
min:int=4
max:int=18
size:int
print(" N: Total Unique hh:mm:ss.ms")
for size in range(min,max):
self.init(size)
start_time=datetime.now()
self.nqueens_rec(0,size)
time_elapsed=datetime.now()-start_time
text = str(time_elapsed)[:-3]
print(f"{size:2d}:{self.total:13d}{self.unique:13d}{text:>20s}")
def main(self)->None:
関数では、->None
が関数宣言行末尾に追加されています。C/C++/Javaは関数の戻り値の型を記述します。
戻り値がなければvoid
戻り値があれば、int
や double
を明記します。
Pythonでは、戻り値の有無の記載はもちろん、戻り値があってもその型を明記することの必要はありません。が、codonでは「python側で戻り値の有無やその型を判定する処理時間が不要であり、記載すれば判定が不要となるので、プログラマは高速化を希望するなら記載しろ」という事になっています。
戻り値がなければ
def 関数名->None:
戻り値がint
型であれば
def 関数名->int:
と明記する必要があります。
この記述方法もプログラマにとってとても明快で良いと思います。
Pythonプログラマは、変数を宣言する際に
min:int=4
max:int=18
size:int
と明記し、さらに関数の戻り値についても
def main(self)->None:
と、明示的に明記するべきです。
class
内の関数はself.
を付与してアクセスします。
self.init(size)
この処理は同一クラスのinit(size)
にアクセスするためにself.
を関数名の前に付与しています。そしてsize
変数をinit
関数にパラメータとして渡しています。
def __init__(self)->None:
pass
def init(self,size:int)->None:
self.total=0
self.unique=0
self.aboard=[0 for i in range(size)]
self.fa=[0 for i in range(2*size-1)]
self.fb=[0 for i in range(2*size-1)]
self.fc=[0 for i in range(2*size-1)]
self.trial=[0 for i in range(size)]
self.scratch=[0 for i in range(size)]
こちらのNQueens04()は、NQueens04()クラスのコンストラクタ
init(self)->None`を呼び出しています。
if __name__ == '__main__':
NQueens04().main()
pass というのは、何もせずに素通りするといういみです。ようするにコンストラクタを呼び出して何も処理はせずにpassするということになります。
def __init__(self)->None:
pass
以下で呼び出されたself.init(size)
は
self.init(size)
こちらの関数を呼び出しています。
関数パラメータで渡されたsize
変数は、受け取る側のinit()
でsize:init
として明示的にint型
として受け取っています。class
内の関数の第一関数パラメータは常にself
が付与されるので、size
は第二関数パラメータとして列挙します。
関数の行末には、戻り値がないことを->None
として明記しています。
def init(self,size:int)->None:
self.total=0
self.unique=0
self.aboard=[0 for i in range(size)]
self.fa=[0 for i in range(2*size-1)]
self.fb=[0 for i in range(2*size-1)]
self.fc=[0 for i in range(2*size-1)]
self.trial=[0 for i in range(size)]
self.scratch=[0 for i in range(size)]
start_time=datetime.now()
self.nqueens_rec(0,size)
time_elapsed=datetime.now()-start_time
こちらは、処理時間の計測開始、処理、計測終了をおこなう3行です。
self.nqueens(0,size)
は処理そのものです。ロジックを除けば、codon化するために必要なのは以下の二点です。
関数の行末に戻り値の有無・戻り値があるなら戻り値の型を明示する
ローカル変数に型付けを行う
対象解除法のソースをcodon化した全ソースコードは以下のとおりです。
ソースコード
from datetime import datetime
# pypyを使う場合はコメントを解除
# pypyで再帰が高速化できる
# import pypyjit
# pypyjit.set_param('max_unroll_recursion=-1')
class NQueens04:
total:int
unique:int
aboard:list[int]
fa:list[int]
fb:list[int]
fc:list[int]
trial:list[int]
scratch:list[int]
def __init__(self)->None:
pass
def init(self,size:int)->None:
self.total=0
self.unique=0
self.aboard=[0 for i in range(size)]
self.fa=[0 for i in range(2*size-1)]
self.fb=[0 for i in range(2*size-1)]
self.fc=[0 for i in range(2*size-1)]
self.trial=[0 for i in range(size)]
self.scratch=[0 for i in range(size)]
def rotate(self,chk:list[int],scr:list[int],_n:int,neg:int)->None:
incr:int=0
k:int=0
if neg:
k=0
else:
k=_n-1
if neg:
incr=1
else:
incr-=1
for i in range(_n):
scr[i]=chk[k]
k+=incr
k=_n-1 if neg else 0
for i in range(_n):
chk[scr[i]]=k
k-=incr
def vmirror(self,chk:list[int],neg:int)->None:
for i in range(neg):
chk[i]=(neg-1)-chk[i]
def intncmp(self,_lt:list[int],_rt:list[int],neg:int)->int:
rtn:int=0
for i in range(neg):
rtn=_lt[i]-_rt[i]
if rtn!=0:
break
return rtn
def symmetryops(self,size:int)->int:
neqvuiv:int=0
for i in range(size):
self.trial[i]=self.aboard[i]
# 90
self.rotate(self.trial,self.scratch,size,0)
k=self.intncmp(self.aboard,self.trial,size)
if k>0:
return 0
if k==0:
nequiv=1
else:
# 180
self.rotate(self.trial,self.scratch,size,0)
k=self.intncmp(self.aboard,self.trial,size)
if k>0:
return 0
if k==0:
nequiv=2
else:
# 270
self.rotate(self.trial,self.scratch,size,0)
k=self.intncmp(self.aboard,self.trial,size)
if k>0:
return 0
nequiv=4
for i in range(size):
self.trial[i]=self.aboard[i]
# 垂直反転
self.vmirror(self.trial,size)
k=self.intncmp(self.aboard,self.trial,size)
if k>0:
return 0
if nequiv>1:
# 90
self.rotate(self.trial,self.scratch,size,1)
k=self.intncmp(self.aboard,self.trial,size)
if k>0:
return 0
if nequiv>2:
# 180
self.rotate(self.trial,self.scratch,size,1)
k=self.intncmp(self.aboard,self.trial,size)
if k>0:
return 0
# 270
self.rotate(self.trial,self.scratch,size,1)
k=self.intncmp(self.aboard,self.trial,size)
if k>0:
return 0
return nequiv*2
def nqueens(self,row:int,size:int)->None:
stotal:int
if row==size:
stotal=self.symmetryops(size)
if stotal!=0:
self.unique+=1
self.total+=stotal
else:
for i in range(size):
self.aboard[row]=i
if self.fa[i]==0 and self.fb[row-i+(size-1)]==0 and self.fc[row+i]==0:
self.fa[i]=self.fb[row-i+(size-1)]=self.fc[row+i]=1
self.nqueens(row+1,size)
self.fa[i]=self.fb[row-i+(size-1)]=self.fc[row+i]=0
def main(self)->None:
min:int=4
max:int=18
size:int
print(" N: Total Unique hh:mm:ss.ms")
for size in range(min,max):
self.init(size)
start_time=datetime.now()
self.nqueens(0,size)
time_elapsed=datetime.now()-start_time
text = str(time_elapsed)[:-3]
print(f"{size:2d}:{self.total:13d}{self.unique:13d}{text:>20s}")
# 4.対象解除法
# $ python <filename>
# $ pypy <fileName>
# $ codon build -release <filename>
# 15: 2279184 285053 0:00:49.855
if __name__ == '__main__':
NQueens04().main();
実行結果
CentOS$ codon build -release 04Python_symmetry.py && ./04Python_symmetry
N: Total Unique hh:mm:ss.ms
4: 2 1 0:00:00.000
5: 10 2 0:00:00.000
6: 4 1 0:00:00.000
7: 40 6 0:00:00.000
8: 92 12 0:00:00.000
9: 352 46 0:00:00.000
10: 724 92 0:00:00.003
11: 2680 341 0:00:00.018
12: 14200 1787 0:00:00.104
13: 73712 9233 0:00:00.533
14: 365596 45752 0:00:02.763
15: 2279184 285053 0:00:17.776
16: 14772512 1846955 0:02:06.039
17: 95815104 11977939 0:14:59.143
次の章では、対象解除法最適化のソースのcodon化を具体的にご説明していきます。
ソースコード
今回の連載 python/pypy/codonのソースコードディレクトリはこちら
https://github.com/suzukiiichiro/N-Queens/tree/master/10Bit_Python
Nクイーン問題 過去記事アーカイブ
【過去記事アーカイブ】Nクイーン問題 過去記事一覧
https://suzukiiichiro.github.io/search/?keyword=Nクイーン問題
【Github】エイト・クイーンのソース置き場 BashもJavaもPythonも!
https://github.com/suzukiiichiro/N-Queens
Nクイーン問題(70)Python-codonで高速化 04Python_symmetry
https://suzukiiichiro.github.io/posts/2025-03-06-02-n-queens-suzuki/
Nクイーン問題(69)Python-codonで高速化 03Python_backTracking
https://suzukiiichiro.github.io/posts/2025-03-06-01-n-queens-suzuki/
Nクイーン問題(68)Python-codonで高速化 02Python_postFlag
https://suzukiiichiro.github.io/posts/2025-03-05-03-n-queens-suzuki/
Nクイーン問題(67)Python-codonで高速化 01Python_bluteForce
https://suzukiiichiro.github.io/posts/2025-03-05-02-n-queens-suzuki/
Nクイーン問題(66)Python-codonで高速化
https://suzukiiichiro.github.io/posts/2025-03-05-01-n-queens-suzuki/
Nクイーン問題(65) N25を解決!事実上の日本一に
https://suzukiiichiro.github.io/posts/2024-04-25-01-n-queens-suzuki/
Nクイーン問題(64)第七章 並列処理 キャリーチェーン NVIDIA CUDA編
https://suzukiiichiro.github.io/posts/2023-08-01-05-n-queens-suzuki/
Nクイーン問題(63)第七章 並列処理 キャリーチェーン NVIDIA CUDA編
https://suzukiiichiro.github.io/posts/2023-08-01-05-n-queens-suzuki/
Nクイーン問題(62)第七章 並列処理 対称解除法 ビットボード NVIDIA CUDA編
https://suzukiiichiro.github.io/posts/2023-08-01-04-n-queens-suzuki/
Nクイーン問題(61)第七章 並列処理 対称解除法 ノードレイヤー NVIDIA CUDA編
https://suzukiiichiro.github.io/posts/2023-08-01-03-n-queens-suzuki/
Nクイーン問題(60)第七章 並列処理 ミラー NVIDIA CUDA編
https://suzukiiichiro.github.io/posts/2023-08-01-02-n-queens-suzuki/
Nクイーン問題(59)第七章 並列処理 ビットマップ NVIDIA CUDA編
https://suzukiiichiro.github.io/posts/2023-08-01-01-n-queens-suzuki/
Nクイーン問題(58)第六章 並列処理 pthread C言語編
https://suzukiiichiro.github.io/posts/2023-06-28-09-n-queens-suzuki/
Nクイーン問題(57)第八章 キャリーチェーン C言語編
https://suzukiiichiro.github.io/posts/2023-06-28-08-n-queens-suzuki/
Nクイーン問題(56)第八章 ミラー C言語編
https://suzukiiichiro.github.io/posts/2023-06-28-06-n-queens-suzuki/
Nクイーン問題(55)第八章 ビットマップ C言語編
https://suzukiiichiro.github.io/posts/2023-06-28-05-n-queens-suzuki/
Nクイーン問題(54)第八章 ビットマップ C言語編
https://suzukiiichiro.github.io/posts/2023-06-28-04-n-queens-suzuki/
Nクイーン問題(53)第八章 配置フラグ C言語編
https://suzukiiichiro.github.io/posts/2023-06-28-03-n-queens-suzuki/
Nクイーン問題(52)第八章 バックトラック C言語編
https://suzukiiichiro.github.io/posts/2023-06-28-02-n-queens-suzuki/
Nクイーン問題(51)第八章 ブルートフォース C言語編
https://suzukiiichiro.github.io/posts/2023-06-28-01-n-queens-suzuki/
Nクイーン問題(50)第七章 マルチプロセス Python編
https://suzukiiichiro.github.io/posts/2023-06-21-04-n-queens-suzuki/
Nクイーン問題(49)第七章 マルチスレッド Python編
https://suzukiiichiro.github.io/posts/2023-06-21-03-n-queens-suzuki/
Nクイーン問題(48)第七章 シングルスレッド Python編
https://suzukiiichiro.github.io/posts/2023-06-21-02-n-queens-suzuki/
Nクイーン問題(47)第七章 クラス Python編
https://suzukiiichiro.github.io/posts/2023-06-21-01-n-queens-suzuki/
Nクイーン問題(46)第七章 ステップNの実装 Python編
https://suzukiiichiro.github.io/posts/2023-06-16-02-n-queens-suzuki/
Nクイーン問題(45)第七章 キャリーチェーン Python編
https://suzukiiichiro.github.io/posts/2023-06-16-01-n-queens-suzuki/
Nクイーン問題(44)第七章 対象解除法 Python編
https://suzukiiichiro.github.io/posts/2023-06-14-02-n-queens-suzuki/
Nクイーン問題(43)第七章 ミラー Python編
https://suzukiiichiro.github.io/posts/2023-06-14-01-n-queens-suzuki/
Nクイーン問題(42)第七章 ビットマップ Python編
https://suzukiiichiro.github.io/posts/2023-06-13-05-n-queens-suzuki/
Nクイーン問題(41)第七章 配置フラグ Python編
https://suzukiiichiro.github.io/posts/2023-06-13-04-n-queens-suzuki/
Nクイーン問題(40)第七章 バックトラック Python編
https://suzukiiichiro.github.io/posts/2023-06-13-03-n-queens-suzuki/
Nクイーン問題(39)第七章 バックトラック準備編 Python編
https://suzukiiichiro.github.io/posts/2023-06-13-02-n-queens-suzuki/
Nクイーン問題(38)第七章 ブルートフォース Python編
https://suzukiiichiro.github.io/posts/2023-06-13-01-n-queens-suzuki/
Nクイーン問題(37)第六章 C言語移植 その17 pthread並列処理完成
https://suzukiiichiro.github.io/posts/2023-05-30-17-n-queens-suzuki/
Nクイーン問題(36)第六章 C言語移植 その16 pthreadの実装
https://suzukiiichiro.github.io/posts/2023-05-30-16-n-queens-suzuki/
Nクイーン問題(35)第六章 C言語移植 その15 pthread実装直前版完成
https://suzukiiichiro.github.io/posts/2023-05-30-15-n-queens-suzuki/
Nクイーン問題(34)第六章 C言語移植 その14
https://suzukiiichiro.github.io/posts/2023-05-30-14-n-queens-suzuki/
Nクイーン問題(33)第六章 C言語移植 その13
https://suzukiiichiro.github.io/posts/2023-05-30-13-n-queens-suzuki/
Nクイーン問題(32)第六章 C言語移植 その12
https://suzukiiichiro.github.io/posts/2023-05-30-12-n-queens-suzuki/
Nクイーン問題(31)第六章 C言語移植 その11
https://suzukiiichiro.github.io/posts/2023-05-30-11-n-queens-suzuki/
Nクイーン問題(30)第六章 C言語移植 その10
https://suzukiiichiro.github.io/posts/2023-05-30-10-n-queens-suzuki/
Nクイーン問題(29)第六章 C言語移植 その9
https://suzukiiichiro.github.io/posts/2023-05-30-09-n-queens-suzuki/
Nクイーン問題(28)第六章 C言語移植 その8
https://suzukiiichiro.github.io/posts/2023-05-30-08-n-queens-suzuki/
Nクイーン問題(27)第六章 C言語移植 その7
https://suzukiiichiro.github.io/posts/2023-05-30-07-n-queens-suzuki/
Nクイーン問題(26)第六章 C言語移植 その6
https://suzukiiichiro.github.io/posts/2023-05-30-06-n-queens-suzuki/
Nクイーン問題(25)第六章 C言語移植 その5
https://suzukiiichiro.github.io/posts/2023-05-30-05-n-queens-suzuki/
Nクイーン問題(24)第六章 C言語移植 その4
https://suzukiiichiro.github.io/posts/2023-05-30-04-n-queens-suzuki/
Nクイーン問題(23)第六章 C言語移植 その3
https://suzukiiichiro.github.io/posts/2023-05-30-03-n-queens-suzuki/
Nクイーン問題(22)第六章 C言語移植 その2
https://suzukiiichiro.github.io/posts/2023-05-30-02-n-queens-suzuki/
Nクイーン問題(21)第六章 C言語移植 その1
N-Queens問://suzukiiichiro.github.io/posts/2023-05-30-01-n-queens-suzuki/
Nクイーン問題(20)第五章 並列処理
https://suzukiiichiro.github.io/posts/2023-05-23-02-n-queens-suzuki/
Nクイーン問題(19)第五章 キャリーチェーン
https://suzukiiichiro.github.io/posts/2023-05-23-01-n-queens-suzuki/
Nクイーン問題(18)第四章 エイト・クイーンノスタルジー
https://suzukiiichiro.github.io/posts/2023-04-25-01-n-queens-suzuki/
Nクイーン問題(17)第四章 偉人のソースを読む「N24を発見 Jeff Somers」
https://suzukiiichiro.github.io/posts/2023-04-21-01-n-queens-suzuki/
Nクイーン問題(16)第三章 対象解除法 ソース解説
https://suzukiiichiro.github.io/posts/2023-04-18-01-n-queens-suzuki/
Nクイーン問題(15)第三章 対象解除法 ロジック解説
https://suzukiiichiro.github.io/posts/2023-04-13-02-nqueens-suzuki/
Nクイーン問題(14)第三章 ミラー
https://suzukiiichiro.github.io/posts/2023-04-13-01-nqueens-suzuki/
Nクイーン問題(13)第三章 ビットマップ
https://suzukiiichiro.github.io/posts/2023-04-05-01-nqueens-suzuki/
Nクイーン問題(12)第二章 まとめ
https://suzukiiichiro.github.io/posts/2023-03-17-02-n-queens-suzuki/
Nクイーン問題(11)第二章 配置フラグの再帰・非再帰
https://suzukiiichiro.github.io/posts/2023-03-17-01-n-queens-suzuki/
Nクイーン問題(10)第二章 バックトラックの再帰・非再帰
https://suzukiiichiro.github.io/posts/2023-03-16-01-n-queens-suzuki/
Nクイーン問題(9)第二章 ブルートフォースの再帰・非再帰
https://suzukiiichiro.github.io/posts/2023-03-14-01-n-queens-suzuki/
Nクイーン問題(8)第一章 まとめ
https://suzukiiichiro.github.io/posts/2023-03-09-01-n-queens-suzuki/
Nクイーン問題(7)第一章 ブルートフォース再び
https://suzukiiichiro.github.io/posts/2023-03-08-01-n-queens-suzuki/
Nクイーン問題(6)第一章 配置フラグ
https://suzukiiichiro.github.io/posts/2023-03-07-01-n-queens-suzuki/
Nクイーン問題(5)第一章 進捗表示テーブルの作成
https://suzukiiichiro.github.io/posts/2023-03-06-01-n-queens-suzuki/
Nクイーン問題(4)第一章 バックトラック
https://suzukiiichiro.github.io/posts/2023-02-21-01-n-queens-suzuki/
Nクイーン問題(3)第一章 バックトラック準備編
https://suzukiiichiro.github.io/posts/2023-02-14-03-n-queens-suzuki/
Nクイーン問題(2)第一章 ブルートフォース
https://suzukiiichiro.github.io/posts/2023-02-14-02-n-queens-suzuki/
Nクイーン問題(1)第一章 エイトクイーンについて
https://suzukiiichiro.github.io/posts/2023-02-14-01-n-queens-suzuki/