概览
Olympus 是一个用于比较优化算法和实验规划方法的研究软件框架。它的作用是提供基准问题和一致的规划器接口，而不是直接操作实验室硬件。README 提到的化学相关应用包括处理实验约束、稳健的过程优化以及用于反应优化的迁移学习。
基准测试工作流可以使用包含连续、离散和类别型参数的参数域。文档所述的集合包括 23 种实验规划算法、33 个源自实验的基准和 33 个解析测试函数。用户可以通过这些资源，针对实验数据或数学目标评估规划器。该框架还支持自定义优化算法和自定义数据集；后者可用于训练模型，以构建更多基准问题。绘图和分析功能可帮助用户检查基准实验并展示结果。
因此，输入包括参数域定义、选定的基准问题，以及用于扩展的用户提供数据集或算法。文档所述的输出包括基准实验结果及相关可视化，不过来源摘录没有说明结果模式、数据集格式或各规划器 API。在实现工作流之前，需要查阅链接文档确认这些细节。
README 将 Python、numpy 和 pandas 列为基础依赖；特定模块和对象还需要其他库。README 声明的 Python 最低版本属于安装要求，并不能证明目前已测试的兼容性。所提供的资料描述了可用功能，但没有提供比较性能结果，也没有证据表明基准测试结果能够直接迁移到特定实验室流程。
主要功能
- 使用连续、离散和类别型参数定义优化域。
- 根据项目 README，通过统一接口提供 23 种实验规划算法。
- 提供 33 个源自实验的基准和 33 个解析优化测试函数。
- 支持集成自定义优化算法以进行基准测试。
- 支持使用自定义数据集训练用于更多基准的模型。
- 提供绘图和分析选项，用于可视化基准实验。
使用场景
- 建议的评估步骤：在选择用于化学优化研究的候选规划器之前，先在源自实验的基准上比较实验规划器。
- 建议的评估步骤：评估规划器在包含与实验设计相关的连续、离散和类别型变量的参数域中的表现。
- 建议的评估步骤：集成新的优化算法，并在解析测试函数上将其与现有规划器进行比较。
- 建议的评估步骤：使用项目专属数据集训练自定义基准模型，并在考虑部署到实验室之前研究规划器的表现。
使用方式
- 阅读 Olympus 文档，了解研究所需的参数域、基准和规划器接口。请查阅详细 API，不要仅根据概述推断输入或输出格式。
- 查看官方 README，了解安装选项。README 列出了 pip、conda 和源码安装，并将 Python、numpy 和 pandas 列为基础依赖；个别模块可能还需要其他库。
- 浏览入门 Colab 笔记本，先了解示例工作流，再将其调整为适合自己的基准问题。
- 选择解析基准或源自实验的基准，并定义相关参数类型。对于自定义数据集或规划器，请遵循文档中的扩展指南，并确认所需的数据表示形式。
- 运行计划进行的比较，并使用文档所述的绘图和分析功能检查结果。记录所选基准、规划器和依赖项；针对特定实验室流程的结论应作为独立的评估问题处理。