2

我想在GpyOpt. 说,我想最小化

在哪里

st 至少有一个非零并且不超过 3 可以等于 1。所以我指定了约束:

根据参考手册here,看起来我们可以使用numpy函数指定约束。这里建议我们可以在调用中指定约束BayesianOptimizationGpyOpt所以我用下面的代码表达了这一点

import numpy as np
import GPyOpt
from GPyOpt.methods import BayesianOptimization

seed = 6830
np.random.seed(seed)

def f(x):
    print(np.sum(x[:]), end=" ") # check if constraints are satisfied
    z = np.sum(x)
    return z**2

bounds = [{"name": "x", "type" : "discrete", 
           "domain" : (0, 1), "dimensionality": 10}]

constraints = [{'name' : 'more_than_0','constraint' : '-np.sum(x[:]) + 0.1'},
               {'name' : 'less_than_3','constraint' : 'np.sum(x[:]) - 3'}]

bopt = BayesianOptimization(f, domain=bounds, constraints=constraints)
bopt.run_optimization(max_iter=10)

但是,似乎GpyOpt忽略了这些约束,因为我在控制台中得到以下输出:

6.0 1.0 5.0 7.0 3.0 2.0 2.0 0.0 1.0 3.0 1.0 1.0 1.0 0.0 2.0 

其中包含大于 3 和 0 的值。

np.sum(x[:])如果我明确写出x[:, 0] + x[:, 1] + ...行为不会改变。

如果我指定连续域,仍然会违反约束。

传递约束的正确方法是什么,这样它们就不会被忽略?

我使用的是GpyOpt1.2.1 版。

更新: np.sum(x, 1)np.sum(x[:])不是不能解决问题。

我正在使用 Python 3.6.3,通过 pip 安装了 numpy 1.14.2 和 GPyOpt 1.2.1。

4

1 回答 1

2

我不确定您是否总结了 x 的正确性。约束表达式应该在整个 X 上工作,并为每个数据点输出一个值数组,然后每个数据点都根据约束进行检查。

当我将两个表达式中的总和更改为:

np.sum(x, axis=1)

并让您的代码保持完整,输出为:

1.0 2.0 1.0 2.0 2.0 2 2 2 2 1 2 2 1 2 1

没有违规。

于 2018-03-22T11:55:17.897 回答