我有一个复杂的特定于域的过程，它接受输入：

• 10-500 个输入，其中每个输入的类型为：
  • 枚举：在多个字符串或数值之间进行选择
  • 整数：整数
  • float：浮点数
  • 布尔值：可以认为是枚举（0,1）

它输出几十个输出，我将这些输出与权重组合在一起，形成一个输出奇异复合损失函数。

过程：

• 具有未知多项式次数的非线性
• 不连续
• 可以并行快速评估（每次评估<10 s）

根据skopt，上述第三点似乎使纯贝叶斯优化成为该问题的次优选择：

如果您没有这些约束[f is开销评估]，那么肯定有比贝叶斯优化更好的优化算法。

相反，我是否应该考虑约束求解器，因为输入定义明确（如果不连续）？

在这种情况下，约束求解器和贝叶斯优化器有什么区别？

细节：

现实世界的过程实际上非常耗时，但我已经生成了一个决策树回归模型，可以相当快地评估预测。