关于scipy differential_evolution的种群评估与收敛判断问题

问题1：设置worker=1时，种群是否为顺序评估？该参数与callback中的convergence有何关联？ #

• 当workers=1时，种群个体的目标函数评估是顺序执行的。workers参数控制目标函数评估的并行数量，值为1时启用单线程，逐个计算每个个体的目标函数值，无并行处理。
• workers与callback输出的convergence无直接计算关联：convergence是算法内部计算的收敛指标（通常为种群目标函数值的标准差或最优值变化率），workers仅影响每一步迭代的执行速度，不改变收敛指标的计算逻辑。即使设置workers>1并行评估，callback触发时机和convergence的计算规则仍与单线程一致，只是迭代进度会更快。

问题2：迭代至406步，收敛值仍为0.0，且从321步开始f(x)值未发生变化，该如何理解？ #

• f(x)不再变化：说明算法在当前参数配置下已无法找到更优解，可能是已到达全局最优，也可能陷入局部最优，或是由于参数设置导致种群失去多样性，无法生成能改进目标值的新个体。
• 收敛值为0.0：这是因为种群内所有个体的目标函数值已完全一致，此时收敛指标（如种群目标值的标准差）会降至0，意味着种群完全同质化，没有进化空间。结合f(x)长期不变的情况，就是所有个体都收敛到了同一目标值，算法无法产生更优候选解。
• 可能的诱因：
  • 目标函数在当前解附近是平坦区域，或受计算精度限制，无法区分微小的目标值变化；
  • 交叉参数recombination=0.1过低，结合变异参数mutation=(0.9,1)，新个体生成过于保守，难以跳出当前解区域；
  • 36维高维问题中，popsize=15的种群规模偏小，种群多样性容易快速耗尽。

内容的提问来源于stack exchange，提问作者jasmine