添加并行计算示例 about geatpy

[1061655504]

在进行多目标问题时，如问题规模变大需要则并行计算来提高运行效率。据我所知新版本的geatpy支持并行计算。可否添加一个附带并行计算代码的例子供大家参考学习？谢谢！

您好！如果要添加并行计算，需要在aimFunc()里面调用一些外部并行库（推荐gevent、multiprocessing等）来并行地计算各个个体的目标函数值。（如果可以矩阵化计算所有个体的目标函数值，那么建议使用矩阵化计算）。难度不大的，只需把种群所有个体拆分成若干份，然后利用外部并行库并行地计算各部分个体的目标函数值即可。具体如何调用并行库，可以网上搜索gevent、multiprocessing等的文档或教程，有很多经典易学的案例代码。

[xrzalreadytaken]

在进行多目标问题时，如问题规模变大需要则并行计算来提高运行效率。据我所知新版本的geatpy支持并行计算。可否添加一个附带并行计算代码的例子供大家参考学习？谢谢！

您好！如果要添加并行计算，需要在aimFunc()里面调用一些外部并行库（推荐gevent、multiprocessing等）来并行地计算各个个体的目标函数值。（如果可以矩阵化计算所有个体的目标函数值，那么建议使用矩阵化计算）。难度不大的，只需把种群所有个体拆分成若干份，然后利用外部并行库并行地计算各部分个体的目标函数值即可。具体如何调用并行库，可以网上搜索gevent、multiprocessing等的文档或教程，有很多经典易学的案例代码。

谢谢回答。经过我的尝试与对比，发现对于种群规模很大，最大迭代次数不变的情况下，这种方式的多进程的确可以提高程序的运行效率，如种群数=4000。但是对于相对较小的种群数，如种群数=200，多进程的计算效率反而不如单进程的效果。 不知道这样的逻辑是否正确，还是可能我的多进程程序写的有问题？ 谢谢！

[1061655504]

@xrzalreadytaken 这个是多进程的公有特性。多进程本身会比多线程要耗费更多的额外开销，因此一般当总的计算量很大时才考虑用多进程（不用多线程是因为python的GIL限制，如果能绕开GIL那就用多线程，额外开销比多进程小一些）。种群规模大会导致总的计算量大；还有另一种情况：如果种群规模较小，但单个个体计算目标函数值时计算量很大，那么也会导致总的计算量大（比如用进化算法优化神经网络超参的时候），这两种情况可以用多进程或者直接用CUDA进行GPU计算来加速。