4

我正在尝试使用来自 scipy.optimize 的差分进化来找到函数的全局最小值。正如 scipy 参考指南中所解释的，我应该在选项中设置：updated='deferred',workers=number of cores

但是，当我运行代码时，它会冻结并且什么也不做。我该如何解决这个问题，或者有没有更好的方法来并行化全局优化器？

以下是我的代码：

scipy.optimize.differential_evolution(objective, bnds, args=(), 
            strategy='best1bin', maxiter=1e6,
            popsize=15, tol=0.01, mutation=(0.5, 1),    
            recombination=0.7, seed=None,
            callback=None, disp=False, polish=True,
            init='latinhypercube', atol=0,
            updating='deferred',workers=2)
4

1 回答 1

7

我自己也遇到了同样的问题。scipy.optimize.differential_evolution在版本中添加了对并行性的支持，1.2.0我的版本太旧了。在查找文档时，最上面的结果也引用了旧版本。可以在https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.differential_evolution.html找到较新的文档。

我使用 virtualenvironment 和pip进行包管理，并升级到最新版本的scipy我只需要运行pip install --upgrade scipy. 如果使用anaconda，您可能需要执行例如conda install scipy=1.4.1.

为了激活并行性，将workers标志设置> 1为特定数量的内核或workers=-1使用所有可用内核。

一个警告：不要犯和我一样的错误，并尝试直接在 Windows 上的 Python 脚本的顶层运行差分进化，因为它不会运行。这是由于如何multiprocessing.Pool发挥作用。具体来说，而不是以下内容：

import scipy.optimize

def minimize_me(x, *args):
    ...  # Your code
    return result

# DO NOT DO LIKE THIS
...  # Prepare all the arguments
# This will give errors
result = scipy.optimize.differential_evolution(minimize_me, bounds=function_bounds, args=extraargs,
                                               disp=True, polish=False, updating='deferred', workers=-1)
print(result)

使用下面的代码：

import scipy.optimize

def minimize_me(x, *args):
    ...  # Your code
    return result

# DO LIKE THIS
if __name__ == "__main__":
    ...  # Prepare all the arguments
    result = scipy.optimize.differential_evolution(minimize_me, bounds=function_bounds, args=extraargs,
                                                   disp=True, polish=False, updating='deferred', workers=-1)
    print(result)

有关 Windows 上并行执行的更多信息，请参阅这篇文章：使用多处理时在 Windows中强制使用 if __name__=="__main__" 请注意，即使不在 Windows 上，使用if __name__ == "__main__":.

于 2019-03-27T09:45:57.173 回答