贝叶斯优化算法代码python

贝叶斯优化是一种用于寻找全局最优解的概率模型-based 遗传算法，它通过构建一个概率模型来预测函数的性能，并根据这个模型指导下一个采样点的选择。在Python中，你可以使用`scikit-optimize`库来方便地实现贝叶斯优化。以下是一个简单的示例：

# 导入所需的库
from skopt import gp_minimize
from sklearn.datasets import make_funtion

# 创建一个模拟的目标函数
def objective(x):
    return -x[0]**2 - x[1] + 1.5 * np.cos(6 * x[0]) + 2.5 * np.sin(6 * x[1])

# 定义超参数范围
space = [(None, 2), (None, 2)]

# 使用GP(高斯过程)作为默认的优化器
res = gp_minimize(objective, space, n_calls=20, random_state=0)

# 输出结果
print("Optimization result:")
print(res.x)
print("Best function value found: ", res.fun)