优化不与 Scilab 中的 parallel_run 函数收敛

Question

我正在尝试对 Scilab 进行优化，我想使用 parallel_run 函数并行运行差分进化代码。

代码的原始版本包括一个 for 循环，用于我想要并行化的部分，它工作得很好。当我使用 parallel_run 函数和运行修改代码时，它在 Windows 机器上再次运行，但据我所知，此函数不适用于 Windows 并且它单核上只有运行s。最后，我再次尝试在 Linux 机器上运行修改后的代码，没有出现任何错误，但是优化并没有收敛，并给了我更糟糕的最终结果。

在试图找出问题所在时，我意识到代码打印的部分内容在 Scilab 控制台上，另一部分在终端上。即使在终端中进行了一些计算，优化过程也无法从那里检索数据。

这是原始版本代码中的 for 循环：

//-----Select which vectors are allowed to enter the new population------------
  for i=1:NP
    tempval = fct(ui(:,i),y);   // check cost of competitor
    nfeval  = nfeval + 1;
    if (tempval <= val(i))  // if competitor is better than value in "cost array"
       pop(:,i) = ui(:,i);  // replace old vector with new one (for new iteration)
       val(i)   = tempval;  // save value in "cost array"

       //----we update optval only in case of success to save time-----------
       if (tempval < optval)     // if competitor better than the best one ever
          optval = tempval;      // new best value
          optarg = ui(:,i);      // new best parameter vector ever
       end;
    end;
  end; //---end for imember=1:NP

这里是我用来替换循环的嵌套函数，并试图使其运行并行：

function gpar(i);
  disp("called on "+string(i));
  global nfeval
  global val
  global pop
  global optval
  global optarg
  tempval = fct(ui(:,i),y);   // check cost of competitor
  nfeval  = nfeval + i;
  disp("tempval "+string(tempval));
  disp("val(i) "+string(val(i)));
  disp("optval "+string(optval));
  disp("bef_pop(i) "+string(pop(:,i)));
  if (tempval <= val(i))  // if competitor is better than value in "cost array"
     pop(:,i) = ui(:,i);  // replace old vector with new one (for new iteration)
     val(i)   = tempval;  // save value in "cost array"

     //----we update optval only in case of success to save time-----------
     if (tempval < optval)     // if competitor better than the best one ever
        optval = tempval;      // new best value
        optarg = ui(:,i);      // new best parameter vector ever
     end;
  end;
  disp("aft_pop(i) "+string(pop(:,i)));

endfunction; //---end for imember=1:NP

  parallel_run(1:NP, "gpar"); //calling function gpar in parallel
  disp("popThisGen "+string(pop)); //display the population after changes

如果满足某些条件，则 pop 矩阵的第 i 列会发生变化。我在 if 语句前后打印第 i 列。 i 是从 1 到 40 运行s 的向量。我可以从 Scilab 控制台看到这些打印的前 10 个，从终端看到最后 30 个（我的机器有四个内核，我认为它与那）。然后我在 parallel 运行完成它的工作后打印整个 pop 矩阵。从 pop 的最终版本中，我意识到只有我在 Scilab 控制台观察到的变化生效，并且 none 我在终端观察到的变化。

原始代码的完整版本在http://www1.icsi.berkeley.edu/~storn/code.html#scil

我认为这些损失是我得到糟糕结果的原因。有谁知道可能会发生什么？谢谢

Answer 1

回答有点仓促，不过应该通过结果变量导出结果。如 parallel_run docs 中所述：

Furthermore, no locking primitives are available in Scilab to handle concurrent accesses to shared variables. For this reason, the concurrent execution of Scilab macros cannot be safe in a shared memory environment and each parallel execution must be done in a separate memory space. As a result, one should not rely on side effects such as modifying variables from outer scope : only the data stored into the result variables will be copied back into the calling environment.

还要检查所有并行计算是否完全独立。通过参数获取所有输入。

查看您的代码，声明为全局的所有内容将在所有进程之间共享。所以将它们全部放在参数列表中。您不应该假定单独计算的任何执行顺序。

the Scilab docs 中的示例实际上很好地解释了 return 值。比如下面这个例子。

function [r_min, r_med, r_max]=min_med_max(a, b, c)
  r_min=min(a,b,c); r_med=median([a,b,c]); r_max=max(a,b,c);
endfunction

N=10;
A=rand(1:N);B=rand(1:N);C=rand(1:N);

[Min,Med,Max]=parallel_run(A,B,C,"min_med_max");

除了使用结果，SciLab 在定义结果方面非常严格，只有列向量等。

也结账 the Scilab Wiki about parallel computing。

希望对您有所帮助。

优化不与 Scilab 中的 parallel_run 函数收敛

Optimization doesn't converge with parallel_run function in Scilab

parallel-processing

scilab

differential-evolution