优化python中的蛮力算法

Question

我试图在python中实现一种简单的蛮力方法来使用内置库函数搜索字符串模式。这是代码from itertools import productfrom multiprocessing import Poolimport timeimport numpy as npchars=np.array(['a','b','c','d', 'e', 'f', 'g', 'h', 'i', 'j'])password='cgbjfifac'min_length=1max_length=9def brute_force():    for length in range(min_length, max_length + 1):        for p in product(chars, repeat=length):            guess = ''.join(p)            if guess == password:                return guess在双核 Intel(R) Xeon(R) CPU @ 2.30GHz 机器上花费了大约87 秒。我已经尝试过在 python 中使用标准库的多处理方法（即使用pool 和 map方法）；但它没有提供任何加速。我们怎样才能进一步提高这种方法的性能。（理想情况下，输入的长度 >= 10）

Answer 1

我拿出 numpy 并删除了 "".join ，加速了 ~ x3。

from itertools import product

from multiprocessing import Pool

import time

start_time = time.time()

chars=['a','b','c','d', 'e', 'f', 'g', 'h', 'i', 'j']

password=tuple('cgbjfifac')

min_length=1

max_length=9

def brute_force():

    for length in range(min_length, max_length + 1):

        for p in product(chars, repeat=length):

            if p == password:

                return p

brute_force()

print(time.time()-start_time)

Answer 2

这是代码的稍微好一点的版本，使用多处理...

from itertools import product

from multiprocessing import Pool

import time

chars=['a','b','c','d', 'e', 'f', 'g', 'h', 'i', 'j']

password=tuple('cgbjfifac')

min_length=1

max_length=9

def parallel_brute_force(length):

        for p in product(chars, repeat=length):

            if p == password:

                return p

tick=time.time()

with multiprocessing.Pool(multiprocessing.cpu_count()) as p:

       for v in p.imap_unordered(parallel_brute_force, range(min_length, max_length + 1):

           result=v

print("Time :" + str(time.time()-tick) + " s")

print(result)

在 4 核 2.0GHz 机器上，时间从 23 秒减少到 17 秒 .. 1.3 倍改进！！！