Python GpyOpt忽略约束。指定它们的正确方法是什么？

我想在

GpyOpt

中运行约束优化。说吧，我想最小化

在哪里

s、 t.至少一个非零，且不超过3可以等于1。因此，我指定了约束条件：

根据参考手册，我们似乎可以使用

numpy

函数指定约束。建议我们可以在调用

BayesianOptimization

时指定约束条件。因此，我使用以下代码在

GpyOpt

中表示这一点

将numpy导入为np
导入GPyOpt
从GPyOpt.methods导入贝叶斯优化
种子=6830
np.随机种子（种子）
def f（x）：
打印（np.sum（x[：]），end=“”）#检查约束是否满足
z=np.和（x）
返回z**2
边界=[{“名称”：“x”，“类型”：“离散”，
“域”：（0，1），“维数”：10}]
约束=[{'name'：'more_than_0'，'constraint'：'-np.sum（x[：]）+0.1'}，
{'name'：'less_than_3'，'constraint'：'np.sum（x[：]）-3'}]
bopt=贝叶斯优化（f，域=边界，约束=约束）
bopt.运行优化（最大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：

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3以上的值和0

如果我将

np.sum（x[：]）

显式写为

x[：，0]+x[：，1]+…

，行为不会改变

如果我指定continuous domain，约束仍然会被违反

传递约束的正确方法是什么，以使它们不会被忽略

我使用的是

GpyOpt

1.2.1版

更新：

np.sum（x，1）

而不是

np.sum（x[：]）

不能解决这个问题

---

我使用的是Python 3.6.3，通过pip安装了numpy 1.14.2和GPyOpt 1.2.1。

我不确定您是否总结了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更改为：

np.sum(x, axis=1)

并保持代码完整，否则输出为：

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

---

没有冲突。

您使用的是什么版本的Python/GpyOpt/numpy？这并不能解决我的问题，但由于您无法复制它，我希望它可以与不同的版本相关。@NickTo、Python 3.6、GPyOpt 1.2.1、Numpy 1.13从Github安装开发版本并更改我求和的方式修复了问题。