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，我仅执行强制转换以表明该函数返回浮点数。

搜索空间/约束/边界（或者无论您如何称呼它）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表达这个问题？这是我迄今为止搜索过的内容：

• Scipy优化器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，我无法使用多元目标函数
• 还有Pyswarm。有谁知道如何在 Pyswarm 中做到这一点？

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。