我有一个我想要运行的多变量优化问题。每次评估都很慢。很明显，将它线程化到多台机器的能力会非常好。编写代码以将作业分派给其他计算机时我没有遇到任何问题。但是，scipy.optimize.minimize按顺序调用每个评估调用;在前一个参数返回之前，它不会给我另一组参数进行评估。
现在，我知道对此的“简单”解决方案是“以并行方式运行您的评估任务 - 打破 it up”。实际上，尽管可以在某种程度上做到这一点，但它只能走到这一步;带宽越高，分裂得越多，直到将其分开，实际上开始减慢你的速度。拥有另一个并行化的轴 - 也就是最小化函数本身 - 将大大提高可扩展性。
使用scipy.optimize.minimize无法做到这一点吗？或者以大致功能相同的方式执行的任何其他实用程序（尽量找到尽可能低的最低值）？当然，最小化实用程序可能可以使用并行性，特别是在多变量优化问题上，其中有许多轴需要检查给定数据点处相对于彼此的梯度。