Python 如何在PyGPGO中使用数组？

我正在通过这个软件包研究贝叶斯优化，它在引擎盖下使用PyMC3，将高斯过程拟合到底层函数，并提出运动以最大化回报

到目前为止，用标量值定义函数似乎非常容易，特别是在参数有限的情况下。但是，我不确定是否有办法提供向量/数组参数

from pyGPGO.covfunc import squaredExponential
from pyGPGO.acquisition import Acquisition
from pyGPGO.surrogates.GaussianProcess import GaussianProcess
from pyGPGO.GPGO import GPGO

def f(x):
    return (np.sin(x))


sexp = squaredExponential()
gp = GaussianProcess(sexp)
acq = Acquisition(mode='ExpectedImprovement')
param = {'x': ('cont', [0, 2 * np.pi])}

np.random.seed(23)
gpgo = GPGO(gp, acq, f, param)
gpgo.run(max_iter=20)

我想要的东西大致如下：

#变量：类型、范围
param={'x'：（np.array（3,10），[0,2*np.pi]））

如果这是不可能的，我可能会以

{x1:…，x2:…，}

的形式设置多个变量，然后通过函数定义本身相应地访问它们，尽管当参数空间较大时，这似乎是次优的

编辑：这是我的方法，它不起作用

将numpy导入为np
从pyGPGO.covfunc导入squaredExponential
从pyGPGO.acquisition导入acquisition
从pyGPGO.surrogates.GaussianProcess导入GaussianProcess
从pyGPGO.GPGO导入GPGO
param={f'x_{i}'：（'cont'，[0,1]）表示范围（3）内的i
范围（3）内i的参数更新（{f'y{i}）：（'cont'，[0，1]））
def f（p）：
v1=np.数组（[p[f'x{i}']表示范围（3）中的i）
v2=np.数组（[p[f'y{i}']表示范围（3）中的i）
返回np.点（v1，v2）
sexp=squaredeponential（）
gp=高斯过程（sexp）
acq=采集（模式='ExpectedImprovement'）
np.随机种子（23）
gpgo=gpgo（总成、空气品质、f、参数）
gpgo.run（最大iter=20）

错误是：

评估建议点当前评估。最佳评估。
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
26 np.随机种子（23）
27 gpgo=gpgo（总成、空气品质、f、参数）
--->28 gpgo.运行（最大iter=20）
1帧
/usr/local/lib/python3.7/dist-packages/pyGPGO/GPGO.py in_firstRun（self，n_eval）
86 s_参数值=列表（s_参数值（））
87 self.X[i]=s_参数
--->88 self.y[i]=self.f（**s_参数）
89自装配总成（自X、自y）
90 self.tau=np.max（self.y）
TypeError:f（）获得意外的关键字参数“x_1”

因此，似乎将参数包装到字典中比我预期的要复杂一些，因为对象

param

中的参数必须由函数

f

显式调用，而不是作为字典

p

接收

以前有人解决过这个问题吗