PCSVP使用C++重写对性能提升探讨

测试说明

目前仿真核心基本还是python版的，除了连续系统在求解时会用到C++的求解器
本次测试的目的是为之后使用c++全面重写仿真核心进行提前测试，探究更换语言对性能的提升幅度有多少，为之后的工作开展提供依据

C++版本求解器说明

实现了一个简单的仿真引擎，来执行仿真时需要执行的步骤，它可以对模型执行相应的仿真流程
1. 对应python版本的simulate方法，cpp版实现了对应的流程initialize()、run()、terminate()
2. initialize()方法中只实现了排序和系统的初始化。
  1. 相比python版本的少了创建运行时model、连接from和goto系统产生的边、模型的展开的步骤。由于目前不支持子系统、from等系统，所以不会有太大影响。
3. run()方法就是一个循环，当时间没有结束时就循环调用大步长方法step()。
  1. 在一个step中，会调用顶层model的output、update、derivate方法。其中derivate方法相当于python版本中ode3的solve方法
  2. 三个方法都对应了python版本中的相应实现
4. terminate方法就是对所有的系统调用terminate
实现简单的几个系统，可以用来创建模型即可
1. 目前实现了step、state_space和scope

测试方法

创建相同的模型，分别在python版和C++版中进行仿真时间的测试
选用模型为两个，一个是step->state_space->scope，第二个是step->state_space*5->scope

求解器设置为ode3，仿真时间为50和10分别测试，步长固定为1e-3

python

 from dssim_core import Engine
 import time
 
 engine = Engine()
 # 创建顶层模型
 model = engine.create_model()
 engine.set_primary_model(model)
 engine.set_parameter("step_size", 1e-3)
 engine.set_parameter("start_time", 0)
 engine.set_parameter("stop_time", 10)
 engine.set_parameter("solver", "ode3")
 # 创建系统
 step = model.create_system("sources.step")
 ss = model.create_system("continuous.state_space")
 ss2 = model.create_system("continuous.state_space")
 ss3 = model.create_system("continuous.state_space")
 ss4 = model.create_system("continuous.state_space")
 ss5 = model.create_system("continuous.state_space")
 scope = model.create_system("sinks.scope")
 # 连接系统
 model.link_system(step, "output", ss, "u")
 model.link_system(ss, "y", ss2, "u")
 model.link_system(ss2, "y", ss3, "u")
 model.link_system(ss3, "y", ss4, "u")
 model.link_system(ss4, "y", ss5, "u")
 model.link_system(ss5, "y", scope, "IP0")
 # model.link_system(ss, "y", scope, "IP0")
 # 仿真
 start = time.time()
 engine.simulate()
 end = time.time()
 print("python version run time is {}s".format(end-start))

c++

#include <iostream>
#include <time.h>
#include "engine.hh"

int main(int args, char** argv) {
    time_t start, end;
    Engine engine;
    Model* model = engine.createModel();
    engine.setPrimaryModel(model);

    BaseSystem* step = model->createSystem("step");
    step->setId("step");
    BaseSystem* ss = model->createSystem("state space");
    BaseSystem* ss2 = model->createSystem("state space");
    BaseSystem* ss3 = model->createSystem("state space");
    BaseSystem* ss4 = model->createSystem("state space");
    BaseSystem* ss5 = model->createSystem("state space");
    ss->setId("ss");
    ss2->setId("ss2");
    ss3->setId("ss3");
    ss4->setId("ss4");
    ss5->setId("ss5");

    BaseSystem* scope = model->createSystem("scope");
    scope->setId("scope");
    // model->linkSystem(step, "output", scope, "input");

    model->linkSystem(step, "output", ss, "input");
    // model->linkSystem(ss, "output", scope, "input");
    model->linkSystem(ss, "output", ss2, "input");
    model->linkSystem(ss2, "output", ss3, "input");
    model->linkSystem(ss3, "output", ss4, "input");
    model->linkSystem(ss4, "output", ss5, "input");
    model->linkSystem(ss5, "output", scope, "input");

    start = clock();
    engine.simulate();
    end = clock();
    std::cout << "C++ version run time is " << (end - start) / 1000000.0 << "s" << std::endl;
    return 0;
}

测试结果

根据四组测试结果，发现cpp版比python快10倍之上。

本文章使用limfx的vscode插件快速发布