6

我想使用我自己的遗传算法 (GA) 来解决混合整数问题：

https://mintoc.de/index.php/Batch_reactor

我可以在 GEKKO 中加入我的求解方法吗？

就像是...

m = GEKKO()
.
.
.

m.options.SOLVER = 'my_GA'
4

1 回答 1

5

GEKKO 目前仅支持基于梯度的内置求解器。如果您打算使用遗传算法（GA 概述第 6 章），您可以使用 GEKKO 运行函数评估，以在不同的试验条件下返回目标值。您需要m.solve()在每一代新的 GA 中都将一个命令放入一个循环中。在 GEKKO 中，您还需要使用m.options.TIME_SHIFT=0不更新初始条件。这将允许在您更改设计变量（例如，来自 MintOC 的 T(t)）以找到最佳目标函数值（例如，来自 MintOC 的 x2(tf)）时重复评估。

m = GEKKO()

# define model
x2 = m.Var()
T = m.Param()
.
.
.
m.options.TIME_SHIFT=0
m.options.IMODE = 4 # or 7
# GA loop
for i in range(generations):
    T.value = [values from GA]
    m.solve()
    obj = x2.value[-1] # objective

    # additional GA steps to decide new T values

以下是文档中的一些附加信息： SOLVER 选择要使用的求解器以尝试找到解决方案。有免费的求解器：1：APOPT，2：BPOPT，3：IPOPT，随软件的公共版本一起分发。公共版本中不包含其他求解器，需要商业许可证。IPOPT 通常最适用于具有大量自由度的问题，或者在没有良好初始猜测的情况下开始。已发现 BPOPT 是系统生物学应用的最佳选择。当从先前的解热启动或自由度数（变量数 - 方程数）小于 2000 时，APOPT 通常是最好的。APOPT 也是唯一处理混合整数问题的求解器。使用选项 0 比较所有可用的求解器。

于 2019-04-11T13:15:15.713 回答