Python 其中包含一个公共变量的分布式优化

我不熟悉优化技术，对我的方法有疑问

假设我有一个代理，它试图优化3个变量C1、x11、x12以最小化功耗。我有60个这样的代理，它们构成了一个系统。所有这些代理都可以归为一个类别，C1作为所有代理的公共变量。因此agent2在C1、x21、x22上进行优化。C1、x31、x32等上的代理3

我尝试过使用组合方法进行优化，其中优化器在（C1、x11、x12、x21、x22、x31、x32…）上进行优化 如果代理的数量较少，则它是可行的，但随着代理数量的增加，If在计算上变得昂贵且不可行

如果我尝试单独优化每个代理，每个代理都会给出不同的C1，这是所有代理的一个公共变量。但是，由于C1是所有代理的一个公共变量，因此所有代理都应该协调并具有一个公共值

有人能帮忙解决他的问题吗。对于我的用例来说，这是一个更好的方法

我目前正在使用scipy差分进化算法 联合进近代码

from scipy import optimize

bounds = [(15,18),(500,1500),(20,50),(500,1500),(20,50),(500,1500),(20,50),(500,1500),(20,50),(500,1500),(20,50),(500,1500),(20,50) ......]

arguments = [25,25000,24,32500,25,32500,24,22000,23.5,24000,25,42000,25,32500 ....]

start = time.process_time()
res = optimize.differential_evolution(objective,bounds,args=arguments,disp=False)
print('Time taken:' + str(time.process_time() - start))
print('Optimized x values:' + str(res.x))
print('Optimized Fun Value:' + str(res.fun))

个别进近守则

start = time.process_time()
for i in range(0,61):
    arguments = (agr1[i],arg2[i],agent_models[i])
    res = optimize.differential_evolution(optimization_distributed,bounds,args=arguments,disp=False)
    print('Optimized x values:' + str(res.x))
    print('Optimized fun_val:' + str(res.fun))      
    print('-----------------------------------------------------------------')
print('Time taken:' + str(time.process_time() - start))

我愿意改变我的技术和策略以获得更好的结果。谢谢

在评论中提问： 我有一个函数

f1=f1（c1，x11，x12）

要最小化

c1，x11，x12

的值，它可以在一定的范围内变化，受

g1（c1，x11，x12）<0

的约束

像wise一样，我有多个函数`，f2，f3…f60

f2可以表示为f2（c1，x21，x22），以使c1，x21，x22的值最小化，该值可以在一定范围内变化，服从g2（c1，x21，x22）<0

f3可以表示为f3（c1，x31，x32），以使c1，x31，x32的值最小化，这些值可以在确定的范围内变化，受g3（c1，x31，x32）<0的约束

这里，如果我们看到c1是所有函数的一个变量

像wise f4、f5…f60一样，约束为g4、g5、g6

我的最终目标是最小化f1，f2，f3…f60的总和

i、 e

最小f1（c1，x11，x12）+f2（c1，x21，x22）+f3（c1，x31，x32）+……+f60（c1、x601、x602）
s、 t.g1（c1，x11，x12）<0
，g2（c1，x21，x22）<0
，g3（c1，x31，x32）<0
......
，g601（c1，x601，x602）<0

如果需要进一步澄清，请告诉我。您能写下您的优化问题吗？遵循这个逻辑：您可以提供一个数据集，或者使用公共数据集来描述问题吗？对优化问题的澄清也会有所帮助添加详细的优化问题@pv8添加详细的优化问题@user7440787

min f1(c1,x11,x12) +  f2(c1,x21,x22) + f3(c1,x31,x32) + ... + f60(c1,x601,x602) 

s.t. g1(c1,x11,x12) < 0 
, g2(c1,x21,x22) < 0
,g3(c1,x31,x32) < 0 
......
,g601(c1,x601,x602) < 0