Julia中更快的向量比较

我试图以最快的方式构造和比较两个使用Julia的相同长度的01个随机向量，每个向量具有相同数量的零和一。

这全部用于以下概率问题的蒙特卡洛模拟

我们有两个独立的，每个有n个白球和n个黑球。然后，我们取一对球，每个one一个，每次清空。每对颜色相同的概率是多少？

我所做的如下：

using Random
# Auxiliar function that compare the parity, element by element, of two 
# random vectors of length 2n
function comp(n::Int64)
  sum((shuffle!(Vector(1:2*n)) .+ shuffle!(Vector(1:2*n))).%2)
end

上面的代码生成了从1到2n的向量的两个随机排列，逐个元素相加，对每个元素求模2，然后求和剩余向量的所有值。然后，Im在每个数字的奇偶校验上方使用其颜色建模：奇数黑白。

如果最终总和为零，则两个随机向量的颜色逐个元素相同。不同的结果表明，两个向量没有成对的颜色。

然后，我设置以下函数，它只是所需概率的蒙特卡洛模拟：

  # Here m is an optional argument that control the amount of random
  # experiments in the simulation
  function sim(n::Int64,m::Int64=24)
  # A counter for the valid cases
  x = 0
  for i in 1:2^m
    # A random pair of vectors is a valid case if they have the
    # the same parity element by element so
   if comp(n) == 0
    x += 1
   end
  end
  # The estimated value
   x/2^m
  end

现在，我想知道是否存在比较此类向量的更快方法。我尝试了以下随机向量的替代构造和比较

shuffle!( repeat([0,1],n)) == shuffle!( repeat([0,1],n))

然后我相应地将代码更改为

comp(n)

经过这些更改，代码运行的速度稍慢，这是我使用函数测试的结果@time。我所做的其他更改是将for一条while语句更改为一条语句，但是计算时间保持不变。

因为我不是程序员（实际上是昨天才学到Julia语言，并且安装了Juno前端），所以可能是进行相同计算的更快方法。由于MonteCarlo仿真的有效性取决于随机实验的数量，因此会有所启发，因此计算速度越快，我们可以测试的值越大。