Scipy 的差分进化实现（https://docs.scipy.org/doc/scipy-0.17.0/reference/generated/scipy.optimize.differential_evolution.html）使用拉丁超立方体或随机方法进行种群初始化。拉丁超立方体采样试图最大化可用参数空间的覆盖范围。'random' 随机初始化总体。我想知道是否可以为每个参数指定起始值，而不是依赖这些默认算法。
对于复杂的模型（特别是那些在数学上难以处理并因此需要模拟的模型），我观察到 scipy 的差分进化的 2 次独立运行可能会在算法的 X 次迭代后给出不同的结果（我通常设置 X = 100 以避免运行数天的算法）。我认为这是因为（1）两次独立运行之间的总体初始化并不相同（因为总体初始化方法“随机”和“超立方体”的随机性）和（2）模型预测中存在噪声。因此，我正在考虑以 100 次迭代运行约 10 次独立的 DE 运行，在 10 次运行中选取最合适的参数集，并将该参数集用作具有更多迭代（例如 200）的最终运行的起始值。问题是我看不到在 scipy 的 DE 实现中手动输入这些起始值的方法。如果社区中有人可以帮助我，我将不胜感激。