GpyOpt忽略约束。指定它们的正确方法是什么？

Question

我想在GpyOpt中运行一个受限的优化。比如说，我想把

​

​

哪里

​

​

s.t.至少有一个

是非零的，并且不超过3可以等于1。所以我指定约束：

​

​

基于参考手册这里，我们似乎可以使用numpy函数指定约束。并建议这里在调用BayesianOptimization时指定约束。因此，我使用以下代码在GpyOpt中表达了这一点

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，看起来GpyOpt忽略了这些约束，因为我在控制台中获得了以下输出：

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 

它同时包含3和0以上的值。

如果我将np.sum(x[:])显式地写出为x[:, 0] + x[:, 1] + ...，则行为不会改变。

如果我指定连续域，约束仍然会被违反。

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版本1.2.1。

更新：np.sum(x, 1)而不是np.sum(x[:])不能解决这个问题。

我使用Python3.6.3和numpy 1.14.2以及通过pip安装的GPyOpt 1.2.1。

Answer 1

我不确定你是不是在总结x的正确性。约束表达式应该在整个X上工作，并输出每个数据点的值数组，然后每个值都根据约束进行检查。

当我将两个表达式中的求和改为：

np.sum(x, axis=1)

如果您的代码完全完好无损，则输出如下：

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

没有违规行为。