Python 具有有限粒子分辨率的粒子群优化

我正在用Python进行一个大型电力系统优化项目，我正在使用粒子群优化（PSO）优化6个系统控制参数。我正在努力寻找一个PSO软件包，实际上可以做我需要的。我目前正在使用“pyswarm”软件包

我的问题有6个控制变量，除了主要目标函数外，还有约束条件。目标/适应度函数是在外部模拟中计算的，因此每次测试新粒子时，sim程序都会打开、运行、数据导出然后导入Python。每一个群体测试大约需要16秒的时间，群体大小为20。因此，对于典型的1000次迭代优化，优化时间为16000秒，或4.4小时。我有450个场景需要优化，按照目前的速度需要82天。显然，减少迭代次数会加快速度，但有些场景需要一段时间才能收敛，所以如果可能的话，我希望保持较高的迭代次数

我尝试过的所有PSO实现都以浮点形式生成新粒子，分辨率为6+小数点。因为我在优化物理系统中的参数，所以我只需要小数点后2位的结果

为了加快优化速度，我想使用一个PSO包，您可以在其中设置粒子分辨率，即仅尝试小数点后2位的值。我认为这会使一切都变得更快，因为可能值的范围会大大缩小。我使用过pyswarms、pyswarm和psopy，但还没有找到任何可以做到这一点的软件包。有人知道我如何实现这一点吗？我不想编写自己的PSO实现，只是想使用现有的包

编辑：澄清一下，我的逻辑是，目前，PySarm为粒子生成浮点值，分辨率为6个小数点，因此对于边界范围为20的粒子，可能有2000万个值。如果“粒子生成”限制为小数点后2位，则同一个粒子只有2000个可能值。使用20的群大小，这意味着在100次迭代中，该粒子的每个可能值都会被测试，因此解决方案可能会在100次迭代中收敛（尽管这假设粒子每次更新时都有唯一的值，我不认为总是这样）

这个假设是正确的，还是我的逻辑有缺陷？

为了解决您的编辑问题（有点长，因此没有注释），您不只是有一个范围，例如，20和2000个可能的值表示在该范围内。你有六个控制变量。每个控制变量都有一些要搜索的有效范围，粒子分辨率可以表示该范围内的一些可能值

假设每个粒子可以为每个控制变量表示2000个不同的可能值，即每个粒子表示的参数的可能组合。我认为你不可能穷尽地搜索整个范围（见最后一节）

所有这一切都意味着，较低分辨率的粒子可能不会得到完美的解决方案，但最终性能可能不会受到粒子分辨率的太多限制。在如此大的搜索空间中，很可能会收敛到某个局部极小值；我怀疑每一个粒子的分辨率损失会有太大的影响

穷尽搜索 事实上，大数字很有趣！搜索整个参数空间需要多长时间？假设您能够将评估时间缩短1000倍，因此处理每个群集只需0.016秒。即每0.016秒猜20次，或每猜0.0008秒（800美元）。这仍然是

5.12e16

秒或1.6万亿年来彻底搜索太空

---

可能不是一个确定的来源，但它只有大约50亿年，所以如果你想在太阳系死亡之前进行彻底的搜索，你需要走得更快。

你可能会有更好的运气，因为这样的问题可能在主题上。谢谢方向，我现在意识到我的问题太广泛了。我已经用一个更具体的问题更新了OP，希望它更适合这个董事会的主题。如果没有，我将转向数据科学/交叉验证。如果可以添加一个层来缓存适应度函数结果（使用首选的2小数点精度舍入作为查找），那么模拟的更高精度应该不是一个大问题。