Python多处理.starmap过程计数和速度

Question

我有一个遗传算法，它的适应度函数是一个繁琐的模拟环境。这段代码绝对是CPU限制的，运行在64位的Python3.3上，所以我实现了multiprocessing.starmap_async来并行化。在

它工作得很好，效率比串行大幅度提高。在我的处理器上，Intel i7 CPU@2.40 GHz（带16GB RAM）： 我注意到4个进程的运行时间为8到9秒（2个进程的运行时间较慢，串行进程的运行时间甚至更低）。在

但是，这只使用了65%到73%的处理器。
将进程计数增加到6将占用95%到100%的处理器，但运行时间为11秒。记忆仍停留在20%左右

将此计数增加到8，处理器将一直保持在100%的状态，但运行时间现在是12秒。记忆力很好。在

我不能发布所有内容，但下面是多处理调用（去掉了参数）。我有什么办法可以在不减速的情况下利用更多的处理器吗？我也希望你能帮助我理解为什么会出现这种现象。在

多处理调用：

        step = np.int8(pop_size/4)
        pol = Pool(processes=4)

        res = pol.starmap_async(SimWorker, ((i, i+step,pop,"a bunch of other arguments") for i in range(0, pop_size, step)))
        fitnessdict = res.get()
        fitnessdict = np.asarray(fitnessdict)
        for i in range(0,pop_size,step):
            for p in range(i,i+step):
                fitness[p] = fitnessdict[i/step,p]

SimWorker公司：

^{pr2}$