在主代码中，不受约束的GPR是拟合的，然后将其用作上述函数中的“ GPR”对象，以符合“ conop”的约束拟合，用作“优化器= Conop”。
我认为这是可以的，因为theta_值来自受约束的GPR的优化器，并且所有随后的后拟合值都使用那些受到优化器控制的thetas。同样，受约束/无约束的GPR都使用相同的输入内核/alpha值。 .1的“ TOL”值通常会产生十几次迭代，而默认值/无需超过300。
我猜这个问题是在您的最小化优化方法中。 我认为您没有尝试过信任限制方法。 更改您的最小值，例如
res = minimize(
obj_func, x0, bounds=bounds, jac=True, tol=0.1,
constraints={'type': 'ineq', 'fun': Y_mean},
method='trust-constr' # adding trust-constr method.
）