我有一个想要加速的遗传算法。我认为实现这一目标的最简单方法是通过 pythons 多处理模块。在我的 GA 上运行 cProfile 后，我发现大部分计算时间都发生在评估函数中。
def evaluation():
scores = []
for chromosome in population:
scores.append(costly_function(chromosome))
我将如何并行化此方法？重要的是，所有分数的附加顺序与程序按顺序运行时的顺序相同。
我正在使用 python 2.7
【问题讨论】：
multiprocessing.Pool.map。结果将按照您发布的代码中的顺序进行排序。
标签： python-2.7 multiprocessing genetic-algorithm python-multiprocessing
使用池（我同时显示 imap 和地图，因为谷歌上的一些结果说地图可能不适合订购，尽管我还没有看到证据）：
from multiprocessing import Pool
def evaluation(population):
return list(Pool(processes=nprocs).imap(costly_function,population))
或（我使用的）：
return Pool(processes=nprocs).map(costly_function,population)
将 nprocs 定义为所需的并行进程数。
来自： https://docs.python.org/dev/library/multiprocessing.html#multiprocessing.pool.Pool
【讨论】：
Pool.map 保持原来的顺序。我创建了一个函数，它需要一个索引，随机休眠一段时间，然后返回索引。无论进程数量还是块大小Pool.map 都维持了数百个项目的订单。这是有道理的，因为Pool.map 是根据内置的map() 函数建模的。
Pool.map 会在内部跟踪原始订单，而维持订单的不仅仅是运气好或空闲进程阻塞。