问有限粒子分辨率的粒子群优化算法

EN

我正在用Python做一个大型的电力系统优化项目，我正在使用粒子群优化(PSO)来优化6个系统控制参数。然而，我正在努力寻找一个可以真正做我需要的PSO包。我目前使用的是'pyswarm‘包。

我的问题有6个控制变量，除了主要目标函数外，它还有约束。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，都会打开、运行sim程序，然后将数据导出到Python中。每次群测试大约需要16秒，使用群大小为20。因此，对于典型的1000次迭代优化，优化需要16,000秒，即4.4小时。我有450个场景需要优化，按照目前的速度，这将需要82天。显然，减少迭代次数将加快厚度，但某些场景需要一段时间才能收敛，因此如果可能的话，我希望保持高迭代次数。

我尝试过的所有粒子群优化实现都使用6+小数点分辨率将新粒子生成为浮点数。当我在物理系统中优化参数时，我真的只需要两位小数的结果。

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，即只尝试具有两个小数位的值。我认为这应该会让一切变得更快，因为可能值的范围大大减少了。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。有人知道我是怎么实现这个的吗？我并不打算编写自己的PSO实现，只是为了使用现有的包。

编辑:为了澄清，我的逻辑是，目前pyswarm为粒子生成6个小数点分辨率的浮点值，因此对于边界范围为20的粒子，有2000万个可能的值。如果粒子生成限制为2位小数，则同一粒子只有2000个可能的值。使用群大小为20，这意味着在100次迭代中，该粒子的每个可能值都会进行测试，因此解决方案很可能在100次迭代中收敛(尽管每次更新粒子时都会假设值是唯一的，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？