Question

我在群集上运行scipy.optimize.minimize（使用'L-BFGS-B' - 算法）。运行时间超过72小时的任务将被终止，无需保存结果。在T = 48h的运行时间过后，有没有办法退出scipy.optimize.minimize？

Answer 1

一种方法是估算一次迭代的评估时间，然后在maxiter参数中设置options。
另一种方法是定义一个类，该类修改函数fun，使其在指定时间后返回错误，并记录最后的输入值x及其输出{{1 }}：
```
fun(x)
```
因此，可以在调用from scipy.optimize import minimize import numpy as np import time class TimedFun: def __init__(self, fun, stop_after=10): self.fun_in = fun self.started = False self.stop_after = stop_after def fun(self, x): if self.started is False: self.started = time.time() elif abs(time.time() - self.started) >= self.stop_after: raise ValueError("Time is over.") self.fun_value = self.fun_in(x) self.x = x return self.fun_value之后（例如，在第一次调用之后2秒之后）停止优化：
```
fun
```

顺便说一句，签出我的软件包optimparallel，这使您可以通过并行计算加快优化速度，并返回每个软件包的评估值## Objective function: def fun(x): time.sleep(5) return sum(x**2) ## Minimize with early stopping: fun_timed = TimedFun(fun=fun, stop_after=2) try: minimize(fun=fun_timed.fun, x0=np.array([100]), method='L-BFGS-B') except Exception as e: print("Error: " + str(e)) # Error: Time is over. ## Retrieve last evaluated `x` and `fun(x)`: print('x=', fun_timed.x, ', fun(x)=', fun_timed.fun_value, sep='') # x=[100.], fun(x)=10000.0，x和fun(x)步骤。

jac(x)

在最大运行时间后停止scipy.optimize.minimize

1 个答案: