GEKKO - 矩阵形式的 MINLP - 使用 m.axb() 的错误

如何解决GEKKO - 矩阵形式的 MINLP - 使用 m.axb() 的错误

我正在尝试使用 GEKKO 解决 MINLP 问题。我的代码如下：

m = GEKKO(remote = True)
m.options.soLVER = 3

m.solver_options = ['minlp_maximum_iterations 500',\
                # minlp iterations with integer solution
                'minlp_max_iter_with_int_sol 10',\
                # treat minlp as nlp
                'minlp_as_nlp 0',\
                # nlp sub-problem max iterations
                'nlp_maximum_iterations 50',\
                # 1 = depth first,2 = breadth first
                'minlp_branch_method 1',\
                # maximum deviation from whole number
                'minlp_integer_tol 0.05',\
                # covergence tolerance
                'minlp_gap_tol 0.01']

# Array Variable
rows  = nb_phases + 3*b_max*(nb_phases+1)#48
columns = 1
x = np.empty((rows,columns),dtype=object)
for i in range(3*nb_phases*b_max+nb_phases+1):
    for j in range(columns):
        x[i,j] = m.Var(value = xinit[i,j],lb = LB[i,ub = UB[i,integer = False)

for i in range(3*nb_phases*b_max+nb_phases+1,(3*nb_phases+3)*b_max+nb_phases):
    for j in range(columns):
        x[i,integer = True)

# Constraints
#m.axb(A = A,b = B,x = x,etype = '<=',sparse = False)
m.axb(A,B,sparse=False) 

#m.axb(A = A_eq,b = B_eq,etype = '=',sparse = False)
m.axb(A_eq,B_eq,sparse=False)

for i in range(rows):
    for j in range(columns):
        m.Minimize((x[i,j]-i*j)**2)

#Solver
m.solve(disp = True)

在调用 axb 函数时，如果我在参数中声明变量 x 如下：

m.axb(A = A,sparse = False)

我收到错误：列表 x 必须由 GEKKO 参数或变量组成。我真的不明白为什么我会收到这个错误，因为 x 是一个 gekko 变量。

如果我没有在 axb 函数的参数中声明变量 x：

m.axb(A,sparse=False)

我收到以下错误：AXB 缺少配置文件，错误：AXB 对象丢失：axb1.txt，示例配置文件：axb1.txt

我在想问题可能在于 x 未定义为数组。因此，考虑到 x[i,j]，我试图通过在循环中编码矩阵乘积 A.x 来明确方程 Ax

Ax = []

for i in range(rows):
    temp = []
    for j in range(columns):
        temp.append(A[i,j]*x[j,0])
    Ax.append(sum(temp))

for i in range(rows):
    m.Equations(Ax[i] <= B[i])

我收到错误：“int”对象不可下标

有人能帮我弄清楚如何解决这个问题吗？有没有办法将 x 定义为数组？（因为它的一些元素是整数，有些不是）

非常感谢！

解决方法

这是一个适用于尚未发布但在 GitHub 上可用的较新版本 Gekko 的解决方案。您需要将最新版本的 gekko.py (v1.0) 和本地可执行文件（Lib/site_packages/gekko for Windows，apm.exe for MacOS，apm_mac {1}} for Linux）在 apm 文件夹中使用 Lib/site_packages/gekko/bin。

remote=False

这产生了解决方案：

from gekko import GEKKO
import numpy as np
m = GEKKO(remote = False)
m.options.SOLVER = 3
nb_phases = 2
b_max = 3

m.solver_options = ['minlp_maximum_iterations 500',\
                # minlp iterations with integer solution
                'minlp_max_iter_with_int_sol 10',\
                # treat minlp as nlp
                'minlp_as_nlp 0',\
                # nlp sub-problem max iterations
                'nlp_maximum_iterations 50',\
                # 1 = depth first,2 = breadth first
                'minlp_branch_method 1',\
                # maximum deviation from whole number
                'minlp_integer_tol 0.05',\
                # covergence tolerance
                'minlp_gap_tol 0.01']

# Array Variable
rows  = nb_phases + 3*b_max*(nb_phases+1)#48
columns = 1
xinit = np.ones(rows)
LB = np.zeros(rows)
UB = np.ones(rows)*10.0
#x = m.Array(m.Var,(rows))
x = np.empty(rows,dtype=object)
for i in range(3*nb_phases*b_max+nb_phases+1):
    x[i] = m.Var(value = xinit[i],lb = LB[i],ub = UB[i],integer = False)

for i in range(3*nb_phases*b_max+nb_phases+1,(3*nb_phases+3)*b_max+nb_phases):
    x[i] = m.Var(value = xinit[i],integer = True)

# Constraints
#m.axb(A = A,b = B,x = x,etype = '<=',sparse = False)
A = np.ones((1,rows)); B = np.zeros(1)
m.axb(A,B,x,sparse=False) 

#m.axb(A = A_eq,b = B_eq,etype = '=',sparse = False)
m.axb(A,sparse=False)

for i in range(rows):
    m.Minimize((x[i]-i)**2)

#Solver
m.options.SOLVER = 1
m.solve(disp = True)