我有一个程序（外部模拟），它接收一个名为 input.json 的 JSON 文件作为输入，将模拟过程作为黑匣子（我无权访问）并返回一个 JSON 文件作为 output.json。输出文件用于计算构成目标函数的一些参数。我正在尝试使用 Pyomo 来优化这个问题，但是，由于输入和输出文件之间的信息传输，它似乎无法识别函数中的任何梯度。我正在考虑一种无梯度优化，这肯定会花费更多时间，但至少可以得到一个好的结果。
我尝试使用Mindtpy，但它无法找到减少变量的最佳路径。
尝试一下DAKOTA！它对我解决与您描述的非常相似的黑盒问题有很大帮助。它有很多可用的求解器，如果您的问题非常大，您可以将所有内容包装在一组脚本中，并使用 HPC 解决黑盒问题。