如何在scipy.optimize.differential_evolution中启用并行？

Question

我试图使用differential_evolution从scipy.optimize中找到函数的全局最小值。正如枕参考指南中所解释的，我应该在选项中设置:更新=‘延迟’，核心的workers=number

但是，当我运行代码时，它会冻结，什么也不做。我如何解决这个问题，或者是否有更好的方法并行化全局优化器？

下面是我的代码：

scipy.optimize.differential_evolution(objective, bnds, args=(), 
            strategy='best1bin', maxiter=1e6,
            popsize=15, tol=0.01, mutation=(0.5, 1),    
            recombination=0.7, seed=None,
            callback=None, disp=False, polish=True,
            init='latinhypercube', atol=0,
            updating='deferred',workers=2)

Answer 1

我自己也遇到过同样的问题。scipy.optimize.differential_evolution中对并行性的支持是在1.2.0版本中添加的，我的版本太旧了。在查找文档时，顶部的结果也引用了旧版本。更新的文档可以在evolution.html中找到。

我使用虚拟环境和pip进行包管理，为了升级到最新版本的scipy，我只需运行pip install --upgrade scipy。如果使用anaconda，您可能需要做例如conda install scipy=1.4.1。

为了激活并行性，将workers标志设置为特定数量的核的> 1或使用所有可用内核的workers=-1。

请注意:不要和我犯同样的错误，尝试在Windows上Python脚本的顶层直接运行差异进化，因为它不会运行。这是由于multiprocessing.Pool是如何工作的。具体而言，而不是采取以下措施：

import scipy.optimize

def minimize_me(x, *args):
    ...  # Your code
    return result

# DO NOT DO LIKE THIS
...  # Prepare all the arguments
# This will give errors
result = scipy.optimize.differential_evolution(minimize_me, bounds=function_bounds, args=extraargs,
                                               disp=True, polish=False, updating='deferred', workers=-1)
print(result)

使用以下代码：

import scipy.optimize

def minimize_me(x, *args):
    ...  # Your code
    return result

# DO LIKE THIS
if __name__ == "__main__":
    ...  # Prepare all the arguments
    result = scipy.optimize.differential_evolution(minimize_me, bounds=function_bounds, args=extraargs,
                                                   disp=True, polish=False, updating='deferred', workers=-1)
    print(result)

有关在Windows上并行执行的更多信息，请参见本文：" in windows while using multiprocessing注意，即使不是在Windows上，使用if __name__ == "__main__":也是一个很好的实践。