高斯过程回归可以在 scikit learn 中使用 GaussianProcessRegressor 类的对象计算为：

 gp= GaussianProcessRegressor(alpha=1e-10, copy_X_train=True,
    kernel=1**2 + Matern(length_scale=2, nu=1.5) + WhiteKernel(noise_level=1),
    n_restarts_optimizer=0, normalize_y=False,
    optimizer='fmin_l_bfgs_b', random_state=None)

在这里，我们看到 L-BFGS-B 算法已被用于优化超参数。sklearn 中是否有此算法可用的替代方法（例如信任区域反射算法）？

编辑：它提供了一些受约束的多变量优化方法。是否有这样的功能可用于其他方法，如信任区域反射算法和群体智能（例如萤火虫算法）？