我是一名工程专业的学生，在遗传算法方面实习。最近，我一直在对差异进化进行大量研究。在我实习期间，我们决定直接使用scipy.optimize.differential_evolution()来测试差分进化。
在文档中，提到并行是可能的，但我们不确定它是否真的会产生很大的不同。这就是为什么我们决定寻找是否有一种方法可以预测性能的改进。我发现使用阿姆达尔定律可以实现这样的事情。我的问题是，为了使用阿姆达尔定律，我必须知道“程序的一部分可以并行化”。有没有人可以帮我找到这部分？或者可能以另一种方式预测改进？
先感谢您！
问：“......这样的事情可以通过使用阿姆达尔定律来实现。（SER v/s PAR 部分）或其他方式？”
首先，了解更多关于修订后的细节，至少是开销严格的阿姆达尔定律，
更好的开销严格和资源感知重新制定，
因为工作原子性时期的开销和资源（不）可用性（在进化时期）将在您的用例中决定更多，而不是开销天真的 SER/PAR 部分。
如果需要以交互方式动态查看这些效果，请阅读此内容，其中第一个图表链接到交互式演示，演示用户可选择的操作[SERIAL]以及[PARALLEL]选择设置和终止 + 所有与 SER/DES 相关的附加组件的部分开销，如果您选择进入workers = -1或 RAM-thrashing 开始使事情变得严重破坏，这可能会变得非常疯狂。
