file_path
size1
size2
resample_num_list
timeshift_num_list
results_dir
default_nrows
whether timeshift equals resample or not
num
dynamic

step
target
maxlag = [30, 90]
windowsize = [50000, 900000]
threshold = [95, 100]
search = {
    'algorithm':{'ridgecv':None},
    # 'algorithm':{'ridgecv':None,'elasticnetcv':None,'knnreg':None,'linearsvr':None},
    'maxlag':maxlag,
    'windowsize':windowsize,
    'threshold':threshold,
    }
num_evals = 100
optunity.maximize or optunity.maximize_structured

一直遇到的一个问题就是：
op开启了比如30个进程，其实真正在计算的并没有这么多，很多同名进程都在挂载等待。

真正的原因还在于optunity内部：
在PS0源码中suggest_from_box定义，有
d = dict(kwargs)
if num_evals > 1000:
	d['num_particles'] = 100
elif num_evals >= 200:
	d['num_particles'] = 20
elif num_evals >= 10:
	d['num_particles'] = 10
else:
	d['num_particles'] = num_evals
d['num_generations'] = int(math.ceil(float(num_evals) / d['num_particles']))
return d

在PS0源码中optimize定义，有
pop = [self.generate() for _ in range(self.num_particles)]
best = None

for g in range(self.num_generations):
	fitnesses = pmap(evaluate, list(map(self.particle2dict, pop)))

由此，可以看到，其实真正运行的进程数，不与num_evals相关，也不与你开启的进程数相关，而是与num_particles相关：它是对每个粒子的分支进行map操作！！！！
num_evals为3，同一时间调优就是3个，也就占3个进程，所以开30个进程的话，会出现27个等待进程
num_evals为30，同一时间调优就是10个，也就占10个进程，所以开30个进程的话，会出现20个等待进程
num_evals为300，同一时间调优就是20个，也就占20个进程，所以开30个进程的话，会出现10个等待进程
但是总共寻优的次数是与num_evals相关的，可能会略小于num_evals。