我最近遇到了AMIEGO。当我尝试运行示例问题(在示例目录中提供(时，我会得到以下错误。
-------------------------------------------------------------------------------
Exit Flag: True
Elapsed Time: 0.04829263687133789
======================ContinuousOptimization-End=======================================
+------------------------------------------------------------------------------+
| pyOptSparse Error: Received an unknown option: 'Major optimality tolerance' |
+------------------------------------------------------------------------------+
Traceback (most recent call last):
File "/home/sky/anaconda3/lib/python3.8/site-packages/openmdao/utils/concurrent.py", line 65, in concurrent_eval_lb
retval = func(*args)
File "/home/sky/anaconda3/lib/python3.8/site-packages/amiego/kriging.py", line 239, in _calculate_thetas
opt_x, opt_f, success, msg = snopt_opt(_calcll, x0, low, high, title='kriging',
File "/home/sky/anaconda3/lib/python3.8/site-packages/amiego/optimize_function.py", line 76, in snopt_opt
opt.setOption(name, value)
File "/home/sky/anaconda3/lib/python3.8/site-packages/pyoptsparse/pyOpt_optimizer.py", line 829, in setOption
raise Error("Received an unknown option: %s" % repr(name))
pyoptsparse.pyOpt_error.Error
我测试了带有sellar问题的pyoptsparse优化驱动程序，它如预期的那样工作。所以我觉得我错过了AMIEGO的一些东西。而且，我在这个例子中没有修改任何内容，所以我用SLSQP(来自pyoptsparse驱动程序(为连续部分运行它(我没有SNOPT(。任何关于如何解决这个问题或从哪里开始寻找的建议都会有所帮助。
我对存储库进行了一些修复，这样您就可以在没有SNOPT的情况下运行它。示例中的基本Branin问题有效，现在得到了预期的答案。我不能保证SLSQP是处理更复杂问题的最佳选择，因为在我们的工作中，我们通常更喜欢SNOPT而不是SLSQP。这仍然是一个非常实验性的代码，所以文档很弱，仍然有很多控制旋钮和标志作为子组件属性被隐藏(包括我们尝试过但没有成功的想法(。但我们感谢愿意尝试AMIEGO并帮助我们改进它的用户。