建议LZ直接开源，不然要获得那么多用户，有点难。
LZ需要什么类型的算力？最好先编写和debug完成再考虑算力问题。
为了执行效率，关键部分建议使用C/C++编写。
引用
评论
2
基于波尔文四次迭代式的圆周率分布式计算
摘要：基于波尔文四次迭代式、Python、PHP的圆周率分布式计算
InfinitePi@Home
1.起因：
鄙人比较喜欢分布式计算，曾经参加过很多科学类和数学类的分布式计算，如GIMPS，F@H，WCG之类的
和F@H 3213群友聊天，突然想到Pi这个数学明珠竟然没有对其进行研究的分布式计算项目？？
心血来潮，挖坑，走起。
查了好多资料，发现2004年有国人人利用JAVA2做过类似的项目，不过只是半成品，根本没有开始计算，觉得很可惜。
2.目标：
现阶段目标：利用Python+PHP两门语言，编写跨平台的、针对圆周率的分布式计算平台，并成功计算出圆周率小数点后一亿位，获得100位以上的用户量。到时候稳定下来了，决定开放源代码。
3.过程：
在肝了，在肝了，等我更新吧
这边鄙人刚刚注册科创论坛账号，也申请不到资金，只好自掏腰包先把服务器空位填上了，有意赞助硬件的也可以跟我P♂Y一波。。。
上午写了一下，用的是贝利-波尔温-普劳夫公式，Python CUDA计算，相当于并行了。
经过处理的数据：
原始计算数据（一部分）：
用自己的显卡算的，因为同时在运行其他使用CUDA的任务，速度就不测了
引用
评论
2
总结一些问题:
算法收敛慢且复杂度高,会越算越慢,效率远低于一般使用的算法
涉及到极大数据(16的n次方),有溢出问题,我用CUDA算出的结果就可能出现问题.还有高精度除法,编程难度高,执行效率低下.
所以这个方法似乎不适合大规模推广使用,分布式计算的成本甚至远高于直接算.
BBP算法已经有人写出来了一个XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
看LZ好久不来回复,好久不上线,似乎也没什么诚意.
引用
评论
2
引用
评论(1)
贴一下我写的程序...
import multiprocessing
import time
def calc(cpu_number, cpu_total, result, total):
sumlimit = 1000
for n in range(cpu_number, total, cpu_total):
s1 = 0
s2 = 0
sum = 0
for k in range(0, n):
s1 += (pow(16, n-k) % (k * 8 + 1)) / (k * 8 + 1)
for k in range(n+1, sumlimit):
s2 += (pow(16, n-k)) / (k * 8 + 1)
sum += (s1 + s2) * 4
s1 = 0
s2 = 0
for k in range(0, n):
s1 += (pow(16, n-k) % (k * 8 + 4)) / (k * 8 + 4)
for k in range(n+1, sumlimit):
s2 += (pow(16, n-k)) / (k * 8 + 4)
sum -= (s1 + s2) * 2
s1 = 0
s2 = 0
for k in range(0, n):
s1 += (pow(16, n-k) % (k * 8 + 5)) / (k * 8 + 5)
for k in range(n+1, sumlimit):
s2 += (pow(16, n-k)) / (k * 8 + 5)
sum -= (s1 + s2)
s1 = 0
s2 = 0
for k in range(0, n):
s1 += (pow(16, n-k) % (k * 8 + 6)) / (k * 8 + 6)
for k in range(n+1, sumlimit):
s2 += (pow(16, n-k)) / (k * 8 + 6)
sum -= (s1 + s2)
ret = (sum % 1) * 16
if ret < 0:
ret += 16
result[n] = int(ret)
def main():
print('Using CPU')
startt = time.time()
grid = 4
block = 1024
total = grid * block
cpu_n = multiprocessing.cpu_count()
cpu_result = multiprocessing.Array('d', total)
process = []
for i in range(0, cpu_n):
print('Starting CPU ' + str(i))
p = multiprocessing.Process(target=calc, args=(i, cpu_n, cpu_result, total))
process.append(p)
p.start()
for i in process:
i.join()
f = open('pi_bin_CPU.txt', 'w')
for i in range(0, total):
f.write((bin(int(cpu_result[i]))).replace('0b','').zfill(4) + ' ')
f.close()
final = 3.140625
for i in range(2, total):
try:
final = final + cpu_result[i] / pow(16, i+1)
except:
break
print(final)
print('Time elapsed:' + str(time.time() - startt))
if __name__ == "__main__":
main()自学了python一两天,程序写不好见谅
引用
评论
3
引用
评论
我用Mathematica自带的圆周率函数计算一亿位圆周率，在单线程（3700x@4.2GHz）下，耗时64秒，占用内存150MB。。。
引用
评论
2