问题标签 [pygmo]

我正在使用 python 使用 cdll.LoadLibrary() 加载在 c++ 中生成的 DLL（正常工作）。问题是每次调用类时我都需要在类中重新加载 DLL，否则会产生不同的行为。

当我在类中重新加载 dll 时，代码评估适应度函数大约 4192 次（262 次迭代），但是当我删除重新加载 dll 的两行时，代码只运行 16 次（一次迭代），在收敛之前停止。

这是我的代码：

现在，每次调用健身时代码都会重新加载 dll，这会增加经过的时间。我只想加载一次。

我的目标是使用PyGmo执行参数估计（模型校准） 。我的模型将是一个外部“黑色 blox”模型（c 代码），输出J要最小化的目标函数（在这种情况下，J 将是模型输出和测量数据之间的“归一化均方根误差”（NRMSE）。加快优化（校准）我想在多个核心/线程上并行运行我的模型/模拟。因此我想在 PyGMO 中使用批量适应度评估器（bfe）。我使用简单的问题类准备了一个最小示例，但是使用纯python（无外部模型）和罗森布洛克问题：

当我尝试运行此代码时，出现以下错误：

发生异常：ValueError

功能：bfe_check_output_fvs

其中：C:\projects\pagmo2\src\detail\bfe_impl.cpp, 103

什么：批量适应度评估产生了无效结果：产生的适应度向量的数量为 30，与输入决策向量的数量为 1 不同

通过删除或删除这两行：

该脚本可以无错误地运行。

我的问题：

1. 如何使用批量适应度评估？（我知道这是 PyGMO 的一项新功能，他们仍在编写文档......）有人可以举一个关于如何实现它的最小示例吗？
2. 这是加快我的模型校准问题的正确方法吗？还是我应该使用岛屿和群岛？如果我没记错的话，群岛中的岛屿不会相互交流，对吧？因此，如果执行例如粒子群优化并希望同时（并行）评估多个目标函数调用，那么批量适应度评估器是正确的选择吗？
3. 在这个例子中我需要关心群岛和岛屿吗？它们究竟是为了什么？是否值得运行几个优化但具有不同的初始 x（目标函数的输入）然后采取最佳解决方案？这是使用 GA 进行优化的常用方法吗？

我对优化和 PyGMO 领域非常了解，所以谢谢你的帮助！

我已经通过 conda 提示安装了 pygmo 软件。并在运行时。出现以下错误。我该如何修复我的安装

我正在尝试在 Mac OS X 11.2.2 上安装 PyGMO（使用我重新安装的 Anaconda，因此 Anaconda Navigator 现在已升级到 2.0.1。）

安装开始后，它会收集包元数据并报告它发现包冲突。如何解决冲突以便可以运行 PyGMO？

这是开始：

几个小时后，终端返回一份关于冲突的长篇报告并停在那里。这是一个有代表性的输出：

我遵循官方安装指南并设置附加频道及其优先级。我也检查了这个命令，但这本质上是一样的。我还尝试了PyPI的安装命令。我也尝试了这个提示

在 PyGMO 中，有没有办法访问和存储总代数和退出标志？

我只想出了以下解决方案

但它非常慢，只解决了一半的问题。

我现在正在使用 pygmo，直到现在我都忽略了 archiplago 函数，因为我遇到了问题，线程没有完成它们的工作，因此程序“停止”在 archi.wait().

我已经构建了一个测试问题，希望也许我在真正的问题中做了一些不允许多线程处理的问题，但测试问题也不适用于群岛。你有什么想法我做错了吗？

代码：

输出（可能不是必需的，但是嘿）