Python 将差分进化与joblib.parallel并行使用

我的目的是并行执行以下代码：

from scipy.optimize import rosen, differential_evolution

bounds = [(0,2), (0, 2), (0, 2), (0, 2), (0, 2)]
result = differential_evolution(rosen, bounds)

print(result)

为此，我正在

joblib

库中尝试

parallel

方法。所以

from scipy.optimize import rosen, differential_evolution
from joblib import Parallel, delayed

bounds = [(0,2), (0, 2), (0, 2), (0, 2), (0, 2)]

a= Parallel(n_jobs=1)(delayed(differential_evolution)((rosen, bounds)))
print(a)

但不幸的是，它不起作用。在我能理解的几乎所有例子中，它们都有一个变量函数。因此，我发现实现这个

差分进化

优化方法来并行最小化Rosenbrock函数非常令人困惑

---

感谢您的帮助

如果您只有一个函数调用，那么它就无法并行化。只有当一个函数被一组不同的参数调用时，才会发生并行化。

differential_evolution

函数具有并行化自身的能力：@TimRoberts感谢您的响应。您的第一条评论帮助我认识到，要使joblib正常工作，您需要几个独立的计算。。。。顺便说一下，对于

workers

参数，我在执行时也遇到了一个错误：