concurrent.futures.process.BrokenProcessPool: A process in the process pool was terminated abruptly while the future was running or pending.

好像是进程问题，如何解决

可以贴下优化时候的参数配置截图和完整保存截图

您好，我也是bf optimization这个报错，请问怎么解决呢 谢谢！

子进程里的函数抛异常了，可以把njobs调成1看下底层输出的报错

请问在哪里调njobs呢，我在backtesting还有engine里都没有看到和njobs相关的代码。我把max_workers设置成了1，依旧报出相同的错误。谢谢！

你max_worker设成1底层应该会把报错信息输出的

您好， 我运行完回测，针对其中一个参数跑bf优化，但是跑出来的结果与我回测时的完全不一样（用的对应的那个参数），想知道为什么，以及有什么办法可以得到优化时每组的全部参数吗？谢谢！！我试了样例，没有出现这种情况。

在VeighNa中进行策略参数优化时，如果优化结果与单独回测结果不一致，可能由以下几个原因导致：

1. 数据范围不一致：确保优化和单独回测时使用的数据范围（起止时间、K线周期等）完全一致。

2. 参数设置差异：检查优化时是否设置了其他参数的变化范围，这些参数可能影响了最终结果。

3. 随机性因素：如果策略中包含随机性（如随机数生成），可能导致每次运行结果不同。

4. 多进程优化问题：暴力穷举优化（BF优化）使用多进程并行计算，如果策略代码中存在全局变量或非线程安全的操作，可能导致结果不一致。

获取优化时每组的全部参数

在VeighNa中，可以通过以下方式获取优化时每组的全部参数：

1. 暴力穷举优化：优化完成后，点击【优化结果】按钮，可以查看所有参数组合及其对应的目标函数值。

2. 遗传算法优化：优化完成后，同样可以通过【优化结果】按钮查看所有参数组合及其对应的目标函数值。

3. 自定义输出：在优化函数中，可以通过output参数自定义输出方式，将每组的参数和结果保存到文件或数据库中。

例如，使用暴力穷举优化时，可以通过以下代码将优化结果保存到CSV文件中：

import pandas as pd

# 运行优化
results = engine.run_bf_optimization(...)

# 将结果转换为DataFrame
data = {
    '参数': [str(result[0]) for result in results],
    '目标函数值': [result[1] for result in results]
}
df = pd.DataFrame(data)

# 保存到CSV文件
df.to_csv('optimization_results.csv', index=False)

建议

• 检查策略代码：确保策略代码中没有全局变量或非线程安全的操作。
• 固定随机种子：如果策略中包含随机性，可以固定随机种子以确保结果可复现。
• 对比数据范围：仔细检查优化和单独回测时使用的数据范围是否一致。

如果问题仍然存在，建议逐步排查上述可能的原因，或提供更多细节以便进一步分析。

我把max workers设置成1，bf优化还是有 process pool的进程报错，且没有任何底层的报错，请问如何报底层错来修改呢？谢谢！ga优化是一直没有响应

可以用示例策略试试看是否能复现错误