モジュールを使用して最適化問題を実行していますscipy.optimize.differential_evolution。私が書いたコードは非常に複雑で、私が抱えている問題を要約しようとします:
- 目的関数は外部数値モデルを使用して計算されます (つまり、解析関数を最適化していません)。そのために、モデルを実行する特定の関数と、結果を後処理する別の関数を作成しました。
- いくつかの制約で問題を制限しています。制約は、問題の実際のパラメーターを制約していませんが、外部数値モデルのシミュレーションの最後にのみ取得できるいくつかの従属変数を制約しています。各制約は個別の関数で定義されました
2. の問題は、外部モデルが同じパラメーターのセットに対して 2 回実行される可能性があることです。1 回目は目的関数を計算し、2 回目は制約について評価される従属変数を計算します。それを回避してコードを高速化するために、外部モデルが呼び出されるたびに、パラメーターの各セットの従属変数の結果を (ルックアップ テーブルとして) 保存するグローバル ディクショナリを作成しました。これにより、制約を評価する関数が同じパラメーターのセットに対してモデルを再度実行するのを防ぎます。
これは、単一の CPU 最適化を使用する場合に非常にうまく機能します。differential_evolutionただし、オプション「workers」に適切な値を設定することにより、関数がマルチプロセッシングも許可することを理解しています( https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.differential_evolution. html#r108fc14fa019-1 )。私の問題は、マルチプロセッシング機能を有効にしたときにグローバル/共有変数を更新する方法がわからないことです。
上記のWebページに
は、「ワーカーがintの場合、母集団はワーカーセクションに細分され、並行して評価されます（使用multiprocessing.Pool）[...]」
したがって、共有変数を使用するときに変更する方法を見つける必要があると推測しましたmultiprocessing.pool。この点で、私はこれらの解決策を見つけました：
multiprocessing.Pool がグローバル変数を変更できないのはなぜですか?
私の場合は最後のものが適切だと思います。ただし、コードとdifferential_evolution関数の worker オプションをどのように設定する必要があるのか わかりません。どんな助けでも大歓迎です。
私のコードは次のようなものです：
def run_external_model(q):
global dict_obj, dict_dep_var
....
obj, dep_var = post_process_model(q)
dict_var_dep[str(q)] = dep_var
dict_obj[str(q)] = obj
def obj(q):
global dict_obj
if str(q) not in list(dict_obj.keys()):
run_external_model(q)
return dict_obj[str(q)]
def constraint(q):
global dict_dep_var
if str(q) not in list(dict_dep_var.keys()):
run_external_model(q)
return dict_dep_var[str(q)]
dict_obj = {}
dict_dep_var = {}
nlcs = scipy.optimize.NonLinearConstraint(constraint, 0., np.inf)
q0 = np.array([q1, .... , qn])
b = np.array([(0, 100.)] * len(q0))
solution = scipy.optimize.differential_evolution(objective, bounds=(b), constraints=(nlcs), seed=1)
上記のコードは、単一のコアで動作します。辞書 dict_obj と dict_dep_var を共有する解決策を試しています