Python 具有不同选项的求解器并行求解优化问题

我在Pyomo中有一个优化

模型

，它是用SolverFactory解决的：

 Solver = pyo.SolverFactory('ipopt')
 result = Solver.solve(model)

由于我的问题是令人遗憾的非线性问题，我一直在尝试不同的解算器选项，我注意到“hessian近似”选项会产生不同，有时会快速产生“精确”设置的局部最优，但有时会失败并产生“有限内存”的局部最优。 我考虑的是并行化流程-->使用两个具有不同选项的并行解算器运行模型，并在一个成功时中断另一个（通常一个设置无法找到解决方案，而另一个可以，反之亦然）

我想问一下怎么做。我找到了一些关于多处理库和如何进行并行化的信息……它是有效的，但我在我的案例中遇到了三个要点：

• 如何并行运行解算器，以便使用不同的选项
• 当一个进程成功时，如何打破另一个进程
• 如何在并行运行之外保存成功流程的结果

谢谢