PyBADS：Python 中快速且鲁棒的黑名单优化

PyBADS 是贝叶斯自适应直接搜索（BADS）算法的 Python 实现，用于快速且鲁棒的黑名单优化（Acerbi and Ma 2017）。BADS 是一种为高效求解困难优化问题而设计的优化算法，其中目标函数粗糙（非凸、非光滑）、略微昂贵（例如函数求值需超过 0.1 秒）、可能有噪声且梯度信息不可用。借助 BADS，这些问题得到很好解决，使其成为使用如最大似然估计等方法拟合计算模型的绝佳选择。该算法可高效扩展至具有多达 $D \approx 20$ 个连续输入参数的黑名单函数，并支持边界或无约束。PyBADS 附带易于使用的 Python 风格接口，用于运行算法并检查其结果。PyBADS 仅要求用户提供用于评估目标函数的 Python 函数，以及可选的其他约束。在人工测试问题和来自认知、行为与计算神经科学的大型真实模型拟合问题上的大量基准测试表明，BADS 的性能与许多其他常见及最先进的优化器相当或更好（Acerbi and Ma 2017），使其成为提供快速且鲁棒解的通用模型拟合工具。