设备、编译与性能

设置设备与 dtype

在创建算法、问题和张量之前设置默认设备，或为相关构造函数显式传入同一设备：

device = "cuda" if torch.cuda.is_available() else "cpu"
torch.set_default_device(device)

默认设备会影响后续未显式指定设备的分配。在已有应用中需要控制这个全局设置的作用范围。 device 参数通常控制设备，不意味着算法自动保持任意输入的 dtype；不同算法的内部初始化 需要分别检查。使用非默认 dtype 时先核对问题、边界、状态与结果张量的 dtype， 必要时在构造前设置默认浮点类型并在使用后恢复。

编译工作流

先验证 eager 执行，再在初始化完成后编译 step：

workflow.init_step()
compiled_step = torch.compile(workflow.step, fullgraph=True)
for _ in range(100):
    compiled_step()

EvoX 也提供 evox.core.compile；项目的部分算法测试使用 compile(workflow.step, dynamic=False)。选择方式应与实际算法和环境的验证结果一致。 编译时固定种群大小、决策维度、目标数及问题返回结构有助于减少重新编译。

首次调用包含图捕获与编译成本。fullgraph=True 成功只说明该调用完成完整图捕获， 不意味着单个 GPU kernel、CUDA Graph 支持或 vmap 兼容。 特定算法、算子后端和编译器组合可能不支持完整图捕获，需要在本机分别验证。

结果分析放在迭代之后

动态布尔筛选、.item()、打印、转 NumPy 和写文件适合放在迭代之外。 在 GPU 热路径中，读取 Python 标量会带来同步，数据依赖的分支和动态形状操作也可能影响编译。 自定义问题优先使用固定形状的掩码、torch.where 和批量运算。

计时方法

下面代码假定工作流已初始化，step_function 是 eager 或 compiled 的步函数。 预热会推进算法状态；要严格对比同一起点，分别创建工作流或恢复等价状态。

import time

for _ in range(5):
    step_function()

cuda = workflow.algorithm.pop.device.type == "cuda"
if cuda:
    torch.cuda.synchronize(workflow.algorithm.pop.device)
start = time.perf_counter()
for _ in range(50):
    step_function()
if cuda:
    torch.cuda.synchronize(workflow.algorithm.pop.device)
seconds_per_step = (time.perf_counter() - start) / 50
print(seconds_per_step)

重复多轮并报告设备、PyTorch/EvoX 版本、dtype、实际种群大小、目标数、问题、编译选项、 预热次数与同步方法。该计时覆盖问题评估、算法更新和启用的监视器开销。 速度测试与解集质量测试分别报告；后者需要多个种子、相同评估预算与一致指标。

算子后端与向量化

非支配排序默认使用 PyTorch；可选 Triton 后端的要求和已知限制见 后端说明。选择独立算子后端不会自动切换算法内部实现。 Triton 后端没有 vmap 规则。其他算法的 vmap 使用也需验证具体状态和算子组合， 不能根据 compiled 单次运行成功推断支持批量独立实验。