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BayesianOptimization
。GpyOpt
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GpyOpt
1.2.1 版。
更新:
np.sum(x, 1)
而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。