我想在GpyOpt
中运行一个约束优化。我想尽量减少
在哪里
s.t.至少有一个是非零的,并且不超过3可以等于1。所以我指定了约束条件:
根据参考手册here,我们可以使用numpy
函数指定约束。并建议here在调用BayesianOptimization
时指定约束。所以我用GpyOpt
来表达这个,使用下面的代码
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,GpyOpt
似乎忽略了这些约束,因为我在控制台中得到了以下输出:
它同时包含大于3和0的值。在
如果我将np.sum(x[:])
显式写成x[:, 0] + x[:, 1] + ...
,那么行为不会改变。在
如果我指定连续域,仍然违反约束。在
传递约束以使其不被忽略的正确方法是什么?在
我使用的是GpyOpt
版本1.2.1。在
更新:
np.sum(x, 1)
而不是{
我使用的是python3.6.3,通过pip安装了numpy1.14.2和gpyopt1.2.1。在
我不确定你是在总结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,然后根据约束检查这些值。在
当我将两个表达式的求和改为:
如果不保留代码,则输出为:
^{pr2}$没有违规行为。在
相关问题 更多 >
编程相关推荐