1

我正在用 Gekko 循环解决非线性优化问题，并希望使用先前的解决方案来初始化下一个解决方案。我用下面的代码创建了一个简化的问题来显示问题。

from gekko import GEKKO
m = GEKKO() # Initialize gekko
# Initialize variables
x1 = m.Var(value=1,lb=1,ub=5)
x2 = m.Var(value=5,lb=1,ub=5)
# Equations
m.Equation(x1==x2*2)
m.Equation(x1**2+x2**2==10)
m.Obj(x1*x2) # Objective
m.options.solver=1

m.solve(disp=False) # Solve
print('Iterations: ' + str(m.options.iterations))
print(x1.value[0], x2.value[0])
print('Objective: ' + str(m.options.objfcnval))

m.solve(disp=False) # Solve again
print('Iterations: ' + str(m.options.iterations))
print(x1.value[0], x2.value[0])
print('Objective: ' + str(m.options.objfcnval))

控制台打印：

  Iterations: 5
  2.8284271334 1.4142135667
  Objective: 4.0000000245
  Iterations: 5
  2.8284271334 1.4142135667
  Objective: 4.0000000245

在“再次求解”尝试之前，x1和x2返回初始猜测值 1 和 5。我试过x1.value = x1.value了，但这又回来了RecursionError: maximum recursion depth exceeded。从 Gekko 的先前解决方案中初始化值的正确方法是什么？

4

1 回答 1

2

对于稳态解（IMODE=1 或 3），Gekko 使用先验x1.value直到x2.value它们被改变。有.value两个属性：.value和.change。有多种方式可以表明它们已经改变，包括：

  1. 使用以下方法设置先前解决方案中的值：
x1.value = x1.value.value  # = 2.8284271334
x2.value = x2.value.value  # = 1.4142135667
  1. 表示初始猜测值应更改为新值：
x1.value.change = True
x2.value.change = True

这对于两个变量很容易，但对于许多变量来说更具挑战性。如果您想为所有变量自动执行此操作，您可以在循环中使用内置变量列表vi in m._variables：

from gekko import GEKKO
m = GEKKO() # Initialize gekko
# Initialize variables
x1 = m.Var(value=1,lb=1,ub=5)
x2 = m.Var(value=5,lb=1,ub=5)
# Equations
m.Equation(x1==x2*2)
m.Equation(x1**2+x2**2==10)
m.Obj(x1*x2) # Objective
m.options.solver=1

m.solve(disp=False) # Solve
print('Iterations: ' + str(m.options.iterations))
print(x1.value[0], x2.value[0])
print('Objective: ' + str(m.options.objfcnval))

for vi in m._variables:
    vi.value.change = True

m.solve(disp=False) # Solve again
print('Iterations: ' + str(m.options.iterations))
print(x1.value[0], x2.value[0])
print('Objective: ' + str(m.options.objfcnval))

第二次求解问题时，求解器在 1 次迭代中完成，而不是 5 次迭代。它使用先前的解决方案作为起点。

  Iterations: 5
  2.8284271334 1.4142135667
  Objective: 4.0000000245
  Iterations: 1
  2.8284271247 1.4142135624
  Objective: 4.0
于 2019-06-06T02:30:00.233 回答