skopt:如何在优化过程中动态更改边界？

from skopt import Optimizer, space

# 定义一个自定义的搜索空间函数
def get_search_space(optimizer, n_calls):
    if n_calls < 10:
        # 在前10轮优化中，使用较小的边界范围
        return [space.Real(0, 1, name='param1'), space.Real(0, 1, name='param2')]
    else:
        # 在后续轮优化中，使用较大的边界范围
        return [space.Real(0, 10, name='param1'), space.Real(0, 10, name='param2')]

# 创建一个优化器对象，并指定搜索空间函数
optimizer = Optimizer(dimensions=get_search_space)

# 进行优化过程
for i in range(20):
    # 获取下一个建议的超参数组合
    next_params = optimizer.ask()

    # 在这里执行你的模型训练和评估过程，并根据结果更新优化器
    # ...

    # 在优化器中报告当前超参数组合的评估结果
    optimizer.tell(next_params, evaluation_result)

    # 打印当前的最优超参数组合
    best_params = optimizer.get_best_params()
    print("Best parameters:", best_params)