Question

我试图在Scilab上执行优化，我想使用parallel_run函数并行运行差分进化代码。

代码的原始版本包含我要并行化的部分的for循环，它工作得很好。当我使用parallel_run函数修改代码并在Windows机器上运行时，它再次工作，但据我所知，此功能不适用于Windows，它只能在单个核心上运行。最后，我尝试在Linux机器上运行修改后的代码，没有再出现错误，但是优化并没有收敛，给我的结果更糟糕。

在试图找出问题时，我意识到代码打印的部分内容是在Scilab控制台上，另一部分是在终端上。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。

这是代码原始版本的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

这是我用来替换循环并试图让它并行运行的嵌套函数：

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，则更改pop列的列。我在if语句之前和之后打印了第i列。我是一个从1到40的向量。我可以从Scilab控制台看到这些打印中的前10个，并且从终端看到最后30个（我的机器有四个核心，我认为它与此有关）。然后我在并行运行完成其工作后打印整个pop矩阵。从pop的最终版本开始，我意识到只有我在Scilab控制台上观察到的变化才生效，而且我在终端上观察到的变化都没有。

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

我认为这些损失是我得到的糟糕结果的原因。有没有人知道可能会发生什么？感谢。

Answer 1

快点回答，但你应该通过结果变量导出结果。如parallel_run docs中所述：

此外，Scilab中没有可用的锁定原语来处理并发访问共享变量。出于这个原因， Scilab宏的并发执行在共享中是不安全的内存环境和每个并行执行必须在一个单独的内存空间。 因此，不应该依赖于一方从外部范围修改变量的效果：仅限数据存储到结果变量中将被复制回调用环境。

同时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。您不应该假设执行单独计算的任何顺序。

the Scilab docs中的示例实际上非常适合解释返回值。例如以下示例。

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");

在使用结果旁边，SciLab对它们的定义方式非常严格，只有列向量等。

同时结帐the Scilab Wiki about parallel computing。

希望这会对你有所帮助。

优化不会与Scilab中的parallel_run函数收敛

1 个答案: