在时间阈值之后停止使用differential_evolution()

Question

我的问题已经部分地得到了这里的回答。我只需要把答案扩展到另一个Scipy函数。(Windows1.4.0，Python3.7)

参照我给出的答案，我尝试将同样的想法应用于differential_evolution() Scipy函数，该函数也有callback参数。

我想确保我的differential_evolution()函数在一定的时间限制后停止运行。在本例中，我选择了Rosenbrock函数，输入参数为40个，阈值为0.3秒，以突出显示所发生的事情。

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) 

因此，我没有错误，但似乎在这里使用的同样的minimize()逻辑不起作用。更确切地说，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，直到优化问题收敛为止。

有人知道为什么在这种情况下，它不像minimize()那样工作吗？我非常感谢你的帮助。

提前感谢

Answer 1

问题是，callback必须返回True或False，这取决于是否必须停止优化(分别)。

在您的示例中，MinimizeStopper不返回任何内容，它基本上只会引发警告。因此，您也必须硬编码真假返回。

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

有几件事应该考虑：

1. 除非您指定polish=False作为differential_evolution()的输入，否则抛光操作在停止演化后仍会执行:这会增加额外的时间。
2. callback是在完成每一代的评估之后触发的:当迭代需要大量时间时，这可能会超过极限。