Question

我必须尽量减少一个非常复杂的功能。对于最小化，我使用Extreme Optimization Library中的NonLinearProgram。由于无法找到全局最小值，我使用不同的起始点并选择，然后选择“最佳最小值”。我的问题是可能有一些起点，评估可能需要很长时间。在F＃中有一些通用的方法还是在极限优化中有一些特殊的方法，为了停止评估，我们先说10分钟后再给出一个列表[nan;楠;楠;楠;楠;南回来了？

let funcFindPara (startpoint:float list) func = 

    let nlp = new NonlinearProgram(6)

    // add the function
    nlp.ObjectiveFunction <- (fun x -> func x.[0] x.[1] x.[2] x.[3] x.[4] x.[5])

    // add lineare constraints
    nlp.AddLinearConstraint("a + d > 0", Vector.Create(1.0, 0.0, 0.0, 1.0, 0.0, 0.0), 1.0e-5, infinity) |> ignore
    nlp.AddLinearConstraint("c > 0", Vector.Create(0.0, 0.0, 1.0, 0.0, 0.0, 0.0), 1.0e-5, infinity) |> ignore
    nlp.AddLinearConstraint("d > 0", Vector.Create(0.0, 0.0, 0.0, 1.0, 0.0, 0.0), 1.0e-5, infinity) |> ignore
    nlp.AddLinearConstraint("gamma > 0", Vector.Create(0.0, 0.0, 0.0, 0.0, 1.0, 0.0), 1.0e-5, infinity) |> ignore
    nlp.AddLinearConstraint("0 < rho_infty <= 1", Vector.Create(0.0, 0.0, 0.0, 0.0, 0.0, 1.0), 1.0e-5, 1.0) |> ignore

    // add nonlinear constrains 
    // gamma <= -ln(rho_infty)
    nlp.AddNonlinearConstraint((fun (x : Vector) -> x.[4] + log(x.[5])), ConstraintType.LessThanOrEqual, 0.0, (fun (x : Vector) -> fun (y : Vector) -> 
          y.[0] <- 0.0 
          y.[1] <- 0.0 
          y.[2] <- 0.0
          y.[3] <- 0.0
          y.[4] <- 1.0
          y.[5] <- 1.0 / x.[5]
          y
        )
    ) |> ignore

    // add starting point
    nlp.InitialGuess <- Vector.Create(startpoint.[0], startpoint.[1], startpoint.[2], startpoint.[3], startpoint.[4], startpoint.[5])

    // solve
    let solution = nlp.Solve()

    // return list with parameters
    List.init 6 (fun index -> solution.[index])

Answer 1

您可以使用async { }包装该函数，并将其传递给RunSynchronously并暂停：

let withTimeout f timeout defaultValue =
    try Async.RunSynchronously((async { return f() }), timeout)
    with :? System.TimeoutException -> defaultValue

let longFn() = 
    System.Threading.Thread.Sleep(5000)
    [1.0; 2.0; 3.0]

//Usage
withTimeout longFn 2000 [nan; nan; nan]

f＃中断函数评估

1 个答案: