Ax项目中关于候选生成错误处理的优化方案

在Facebook的Ax优化框架中，最近出现了一个关于候选生成错误处理的重要改进。当使用BoTorch进行优化时，如果部分候选批次不可行而其他批次可行，系统会抛出CandidateGenerationError异常，导致整个优化过程中断。

问题背景

在Ax框架的优化过程中，当使用SLSQP优化器生成候选方案时，如果遇到部分候选批次不满足约束条件的情况，系统会直接抛出错误。这种情况在约束条件较为严格但仍可满足的场景下尤为常见。错误信息会显示有多少批次的候选方案不可行，例如"1 out of 12 batches of candidates were infeasible"。

技术挑战

这种处理方式存在两个主要问题：

1. 即使大部分候选批次是可行的，系统也会完全失败
2. 对于可以接受轻微违反约束条件的应用场景，这种严格的错误处理显得过于保守

解决方案

开发团队提出了一个优雅的解决方案：借鉴Ax中处理重复候选方案的短路机制。当遇到部分候选批次不可行的情况时，系统可以自动回退到使用Sobol序列生成器来产生候选方案，而不是直接失败。

这种处理方式有几个优势：

1. 提高了系统的鲁棒性，避免因部分候选不可行而导致整个优化过程中断
2. 保持了优化过程的连续性，不会因为偶尔的约束违反而停止
3. 为那些可以接受轻微约束违反的应用场景提供了更好的用户体验

实现细节

该解决方案的核心思想是分层处理候选生成错误：

1. 首先尝试使用常规优化器生成候选
2. 如果遇到部分候选不可行的情况，捕获特定异常
3. 触发回退机制，改用Sobol序列生成器
4. 继续优化过程而不中断

这种实现方式既保持了优化过程的严谨性，又增加了系统的容错能力。

应用价值

这一改进对于实际应用具有重要意义：

1. 提高了优化框架在复杂约束条件下的稳定性
2. 减少了人工干预的需要，使自动化优化过程更加流畅
3. 为不同严格程度的应用场景提供了灵活性

该方案已在最新版本的BoTorch中实现，有效解决了候选生成过程中的部分不可行问题。