Python 如何通过scipy.optimize.differential_evolution的并行版本使函数可拾取，从而使其最小化

我需要使用差分进化的scipy实现最小化一个函数。 我想利用并行性来加速计算，并尝试将workers设置为-1

我得到一个错误，搜索发现问题是我试图最小化的函数不可拾取。 我需要帮助来了解如何使它可拾取

最小化工作的功能如下所示：

• 类对象有一个属性向量，即观察到的数据
• 该类的一种方法获取一些参数并计算向量的估计值
• 最小化计算向量和计算估计值之间的均方误差的函数

函数的伪代码可以是这样的：

def function_to_minimize(self, parameters):
    true_vector = self.true_vector
    estimated_vector = self.estimate_vector(parameters)
    return mse(true_vector, estimated_vector)

---

像这样的方法应该会奏效：

class Objective(object):
    def __init__(self, data):
        self.measured_data = data

    def __call__(self, parameters):
        # need to return a scalar value
        estimated_vector = self.estimate_vector(parameters)
        return np.sum(np.power(self.measured_data - estimated_vector, 2))

    def estimate_vector(parameters):
        # calculate what you expect to happen with the parameters
        pass

您应该将

目标（数据）

传递给

差异进化

作为最小化的函数。在使用

spawn

作为创建新进程默认方式的macOS和Windows上，此功能应为