python - 如何优化 Python 中的黑盒函数？

Question

我有一个要优化的函数，我无法从中得到导数或 Hessian 或 Jacobian(因此标题中的“黑匣子”)。假设我的函数如下所示:

def my_fun(some_int, some_other_int, some_string):
    return float(some_int + some_other_int + len(some_string))

请注意，我执行转换只是为了表明该函数返回一个 float 。

搜索空间/约束/边界(或者你怎么调用它)将是:

some_int = [1..10] # int interval
some_other_int = [1, 2, 3] # int discrete
some_string = ["methodA", "methodB", "methodC"] #discrete

我应该如何用 python 表述问题？这是我到目前为止搜索的内容:

• Scipy optimizers似乎不接受适用于我的情况的 Nelder-Mead Simplex(或 Powell 方法)的约束
• PyOpt ...好吧，我无法绕过使用多元目标函数
• 还有 Pyswarm .有谁知道如何在 Pyswarm 中执行此操作？

有什么想法吗？

Answer 1

您可以使用超参数优化包，例如 https://github.com/Dreem-Organization/benderopt/

它支持不同类型的参数。