BoTorch optimize_acqf函数等式约束参数使用示例求助

1. 解决RuntimeError: dot : expected both vectors to have same dtype错误 #

这个错误的核心是约束张量的 dtype 不匹配：

• indices（变量索引）必须是整数类型（LongTensor），用于定位变量；
• coefficients（系数）和rhs（等式右侧值）必须是浮点类型，要与优化变量的 dtype 保持一致（通常是float32或float64）。

错误示例中，coefficients用了默认的Long类型，与浮点型的优化变量做dot运算时触发了 dtype 冲突。

2. 解决ValueError: No feasible point found错误 #

这个问题通常有两个原因：

• 变量索引错误：BoTorch采用0索引，如果你要约束的是x2、x4、x6（从1开始计数的变量），对应的索引应该是[1, 3, 5]，而非[2,4,6]；
• 初始样本未覆盖可行域：默认的raw_samples=100可能在严格约束下找不到满足条件的点，需要增大样本数量，或者手动提供可行初始点。

正确的等式约束示例代码 #

import torch as to
from botorch.optim import optimize_acqf
from botorch.models import SingleTaskGP
from botorch.acquisition import ExpectedImprovement
from botorch.fit import fit_gpytorch_model
from gpytorch.mlls import ExactMarginalLogLikelihood

# 初始化示例模型与采集函数（替换为你的实际模型）
train_x = to.rand(10, 20, dtype=to.float32)
train_y = to.randn(10, 1, dtype=to.float32)
model = SingleTaskGP(train_x, train_y)
mll = ExactMarginalLogLikelihood(model.likelihood, model)
fit_gpytorch_model(mll)
acq_func = ExpectedImprovement(model, best_f=train_y.max())

BATCH_SIZE = 1

# 正确定义等式约束：x2 + x4 + x6 = 1（对应0索引的[1,3,5]）
indices = to.tensor([1, 3, 5], dtype=to.long)  # 整数索引，必须为long类型
coefficients = to.tensor([1.0, 1.0, 1.0], dtype=to.float32)  # 浮点系数
rhs = 1.0  # 浮点型右侧值

new_x, value = optimize_acqf(
    acq_function=acq_func,
    bounds=to.tensor([[0.0] * 20, [1.0] * 20], dtype=to.float32),
    q=BATCH_SIZE,
    num_restarts=10,
    raw_samples=500,  # 增大初始样本量，提升找到可行点的概率
    options={"batch_limit": 5, "maxiter": 200, "nonnegative": True},
    equality_constraints=[(indices, coefficients, rhs)],
    sequential=True,
)

# 验证约束是否满足
print("约束验证结果:", to.allclose(new_x[0, indices].sum(), rhs))

额外优化：手动提供初始可行点 #

如果增大raw_samples仍无法找到可行点，可以手动生成满足约束的初始点并传入：

# 生成10个满足约束的初始点
initial_x = to.rand(10, 20, dtype=to.float32)
# 调整指定变量，确保它们的和为1
initial_x[:, indices] = to.rand(10, 3, dtype=to.float32)
initial_x[:, indices] = initial_x[:, indices] / initial_x[:, indices].sum(dim=1, keepdim=True)

# 在optimize_acqf中加入initial_conditions参数
new_x, value = optimize_acqf(
    # 其他参数保持不变
    initial_conditions=initial_x,
)

内容的提问来源于stack exchange，提问作者David Siret Marqués