通过编写遗传编程类型的应用程序，我在学习 Python 中获得了很多乐趣。
在这个网站上，我从 Torsten Marek、Paul Hankin 和 Alex Martelli 那里得到了一些很好的建议。
该程序有4个主要功能：
正如所有生成、杂交和变异一样，都称为“评估适应度”。它是最繁忙的功能，也是速度方面的主要瓶颈。
正如遗传算法的本质一样，它必须搜索一个巨大的解决方案空间，所以越快越好。我想加快这些功能中的每一个。我将从健身评估器开始。我的问题是最好的方法是什么。我一直在研究 cython、ctypes 和“链接和嵌入”。它们对我来说都是新的，而且现在已经超出了我的范围，但我期待学习其中的一个，并最终学习所有这些。
“适应度函数”需要将表达式树的值与目标表达式的值进行比较。所以它将由一个后缀评估器组成，它将按后缀顺序读取树。我有python中的所有代码。
我需要关于我现在应该学习和使用的建议：cython、ctypes 或链接和嵌入。
谢谢你。
暂时忽略其他人的回答。您应该学习使用的第一件事是分析器。Python自带profile/cProfile；您应该学习如何阅读结果并分析真正的瓶颈在哪里。优化的目标有三个：减少每次调用所花费的时间，减少要进行的调用次数，以及减少内存使用以减少磁盘抖动。
第一个目标相对容易。分析器将向您显示最耗时的功能，您可以直接使用该功能进行优化。
第二个和第三个目标更难，因为这意味着您需要更改算法以减少拨打这么多电话的需要。找到调用次数较多的函数，并尝试找到减少调用它们的方法。利用内置集合，它们得到了很好的优化。
如果你正在做大量的数字和数组处理，你应该看看 pandas、Numpy/Scipy、gmpy 第三方模块；它们是用于处理数组/表格数据的优化 C 库。
您想尝试的另一件事是 PyPy。PyPy 可以 JIT 重新编译并进行比 CPython 更高级的优化，并且无需更改 Python 代码即可工作。尽管针对 CPython 的优化良好的代码看起来与针对 PyPy 的优化良好的代码完全不同。
接下来要尝试的是 Cython。Cython 是一种与 Python 略有不同的语言，实际上 Cython 实际上最好被描述为具有类型化 Python 语法的 C。
对于您无法再使用任何其他方式优化的非常紧密循环的部分代码，您可能希望将其重写为 C 扩展。Python 对使用 C 进行扩展有很好的支持。在 PyPy 中，扩展 PyPy 的最佳方式是使用 cffi。
Cython 是最快完成工作的，可以直接在 Cython 中编写算法，也可以用 C 编写算法并使用 Cython 将其绑定到 python。
我的建议：学习 Cython。
另一个不错的选择是 boost::python，它可以让你轻松地包装 C 或 C++。
但是，在这些可能性中，由于您已经编写了 python 代码，因此首先尝试 cython 可能是一件好事。也许您不必重写任何代码即可获得加速。
尝试使用您的健身功能，以便它支持记忆。这将使用快速字典查找替换与先前调用重复的所有调用。