1

我的问题已经在这里得到了部分回答。我只需要将答案扩展到另一个 Scipy 函数。（Windows 10 上的 Scipy 1.4.0、Python 3.7）

参考@ali_m给出的答案，我尝试将相同的想法应用于differential_evolution()也具有callback参数的 Scipy 函数。

我想确保我的 Scipydifferential_evolution()函数在一定时间限制后停止运行。在本例中，我选择了具有 40 个输入参数和 0.3 秒阈值的 Rosenbrock 函数来突出显示发生的情况。

import numpy as np
from scipy.optimize import differential_evolution, rosen
import time
import warnings

class TookTooLong(Warning):
    pass

class MinimizeStopper(object):
    def __init__(self, max_sec=0.3):
        self.max_sec = max_sec
        self.start = time.time()
    def __call__(self, xk=None, convergence=None):
        elapsed = time.time() - self.start
        if elapsed > self.max_sec:
            warnings.warn("Terminating optimization: time limit reached",
                          TookTooLong)
        else:
            print("Elapsed: %.3f sec" % elapsed)

n_var = 40 

upper_bound_array = np.ones(n_var) * 5
lower_bound_array = np.ones(n_var) * -5
bounds = Bounds(lower_bound_array, upper_bound_array)

# function call
res = differential_evolution(Rosen, bounds, strategy='best1bin',disp=False,
                                    callback=MinimizeStopper(), 
                                    maxiter=1000000)

结果我没有收到任何错误，但似乎 Scipy 中使用的相同逻辑在minimize()这里不起作用。更具体地说，当我运行程序时，即使在引发警告之后，程序也会默默地继续计算所有必要的迭代，直到优化问题收敛。

有谁知道为什么在这种情况下它不像minimize()以防万一？我将衷心感谢您的帮助。

提前致谢

4

1 回答 1

1

问题是callback必须返回True或False是否必须停止优化（分别）。

在您的情况下，MinimizeStopper不返回任何内容，它基本上只是发出警告。因此，您还必须对 True/False 返回进行硬编码。

试试这个

class MinimizeStopper(object):
    def __init__(self, max_sec=0.3):
        self.max_sec = max_sec
        self.start = time.time()

    def __call__(self, xk=None, convergence=None):
        elapsed = time.time() - self.start
        if elapsed > self.max_sec:
            print("Terminating optimization: time limit reached")
            return True
        else:
            # you might want to report other stuff here
            # print("Elapsed: %.3f sec" % elapsed)
            return False

有几件事情需要考虑：

  1. 除非您指定polish=False为 的输入differential_evolution()，否则在停止进化后仍会执行抛光操作：这会增加额外的时间
  2. 在callback完成每一代的评估后触发：当迭代需要大量时间时，这可能会超过限制。
于 2020-03-26T09:13:20.227 回答