Python SciPy差异进化不'；t计算给定的迭代次数

我试图学习我的神经网络来玩一个非常简单的游戏，但没有成功。问题是来自scipy的differential_evolution（）的工作时间不够长：我设置了

maxiter=1000

，但该函数只对41次迭代有效。 代码如下：

def fitness_func(x, *args):
    #print('fitness func started')
    arch, width, height = args
    net = genome_to_nn(x, arch)
    my_game = Game_2(height, width)
    count = 0
    move = -1
    while count < 100:
        count += 1
        field = my_game.get_np_field()
        decision_tensor = net(field)
        move = int(tf.math.argmax( decision_tensor , axis =1))
        if move != 2:           
            my_game.make_a_move(move)       
        if count % 2:
            my_game.make_random()        
        my_game.next_iter()
    
    result = 1/(150 + my_game.score)
    return result


if __name__ == '__main__':
    field_width = 5
    field_height = 10
    inp_size = field_width*(field_height-1) + 1    
    
    model = keras.Sequential(
        [
            layers.Dense(10, input_dim = inp_size),
            layers.Dense(10, input_dim = 10 ,activation='sigmoid'),
            layers.Dense(3, input_dim =10, activation='softmax')
        ]
    )

    args = (model, field_width, field_height)
    bounds = np.asarray([(-10,10) for i in range(len(nn_to_genome(model)))])

    print('start evolution')
    res = differential_evolution(fitness_func, bounds= bounds, args=args, maxiter=50, workers=70, disp=True) 

    print('DE finished')
    
    fitted_model = genome_to_nn(res.x, model)
    
    print(res)

另外，如果maxiter是5000中的50（大于41），则函数仍将进行41次迭代

如果我设置了

maxiter=30

，我会得到以下结果：

message: 'Maximum number of iterations has been exceeded.'
    nfev: 298425
     nit: 30
 success: False

UPD：我将适应度函数的返回值改为

result = - my_game.score

---

所以，现在返回值在[-100100]范围内（以前是在[1/250；1/50]），它可以工作了！但是，我仍然不知道为什么它不能使用旧版本的函数。官方文档没有说明对其返回值的任何限制（除了它应该是一个数字）

您好，您也可以在Tensorflow Probability中使用反优化器

result = - my_game.score