问题标签 [gekko]

尝试使用 python 的 gekko 库进行非线性回归。

样本取自这里 http://apmonitor.com/wiki/index.php/Main/GekkoPythonOptimization

就我而言，我需要多维回归。所以我试着做一些修改。这是结果。

结果我得到错误

184, in _write_csv raise Exception('Data arrays must have the same length, and match time discretization in dynamic questions') Exception: Data arrays must have the same length, and match time discretization in dynamic questions

我正在尝试在 Gekko (IMODE=6) 中实现类似于阶跃函数的东西。我已经尝试过 If3 并设置自定义下限和上限，但在 Gekko 中仍然找不到解决方案。

对于这样的阶跃函数或 Gekko 中的任何分段函数，您会推荐什么？

我正在尝试实现一个模型，并且我有这个条件分段函数，作为模型的一部分。

其中 T_zone(=293) 和 T_in(=348) 是先前定义的常数，x2 和 x5 是依赖于其他方程的变量，这些方程依赖于 T_in 和 T_out。

它们都有定义的初始值。

在上面的代码中，我尝试将方程分成两部分，并将 if 条件的结果作为附加变量添加到基值/最小值中，结果没有解决方案。

我喜欢在 y 模型中约束变量值 u < 1。将 ub=1 添加到变量定义 u = m.Var(name='u', value=0, lb=-2, ub=1) 但它导致“未找到解决方案”（退出：收敛到局部不可行。问题可能不可行。）。我想我必须重新制定问题以避免这种情况，但我无法找到应该如何完成的示例。在约束变量值时，如何编写适当的模型以避免不可行的解决方案？

我已经通过添加像 m.Equation(u < 1) 这样的方程来重新表述问题，但没有成功。

退出：收敛到局部不可行点。问题可能是不可行的。

发生错误。错误代码为 2

如果我将 u 的上限更改为 2，优化问题将按预期解决。

我正在尝试使用TCLab 修改 Python Gekko 中用于模型预测控制的示例代码，以使用二进制（开/关）而不是 0 到 100% 之间的连续加热器值。我切换了选项integer=True并将决策变量缩放为 0 到 1，而不是 0 到 100%，但它仍然为 Q1 提供了连续值（不是二进制）解决方案。

当决策变量（操纵变量）必须是二进制或整数解时，如何使用 Gekko 进行优化控制？

我正在尝试学习如何使用GEKKO python 包。作为第一步，我想模拟一个简单的向量 ODE：dx/dt = A*x，其中 A 是矩阵，x 是向量。我为 GEKKO 看到的所有 ODE 示例都是针对标量 ODE 的，在线文档中的数组示例没有显示如何在声明 Equation 时合并 .dt() 方法。我知道在声明方程式时，可以使用列表，所以我认为这样的方法是要走的路：

但是这段代码会因为两个原因而失败：1）+= 不是 Equation 方法的有效比较，2）python 抱怨 x[i].dt() 不是 x[i] 的有效属性（其中是一个 np.float64）。那么，如果可能的话，我将如何在 GEKKO 中模拟这个 ODE？

我正在尝试在 python 2 或 3 中运行 gekko。我只是按照更改参数的教程进行操作，然后使用 scipy.integrate 来模拟我的 MPC。它适用于我的一台计算机，但不适用于我的 NVIDIA Jetson TX2。运行 m.solve(disp=False) 时出现“Exec 格式错误”。

两台电脑都有python2和python3。由于我也在运行 ROS，所以我想使用 python2 来运行脚本。最初我认为可能是使用 python2 解释导致问题，所以我编写了另一个脚本，利用子进程将我的 mpc 和模拟器解释为 python3。但是，这个问题仍然存在。问题似乎在 gekko 包中。我确信这是一个环境错误，因为该脚本在我的个人计算机上运行良好。目前我正在运行 Ubuntu 16.04。

这是来自终端的错误消息：

编辑：

我找到了 apm 文件夹位置。当我尝试运行apm时

该命令给了我这个：

我假设这意味着在我的 TX2 上，apm 运行不正常。

如果我设置m = GEKKO(remote=True)，它的工作原理。但是，MPC 不能实时运行，这对我来说绝对是个问题。

我现在正试图在本地桌面上解决这个问题。服务器参数只是本地IP地址吗？我设置：

它返回：

设置m = GEKKO(remote=True, server="http://192.168.1.136")产生同样的问题。

我正在使用 Gekko 解决需要对数组变量求和的约束的优化问题。因为这些数组很长，所以我不断收到错误消息：APM model error: string > 15000 characters

求和需要对三个变量求和：i in range(1, years)、n in range(1, i) 和 j in range(1,receptors)。随着它的编译，每个总和中包含的变量数量会增加。我想将代码保留为以下行的总和：

m.Equation(emissions[:,3] == sum(sum(sum(f[n,j]*-r[j,2]*unit *(.001*(i-n)**2 + 0.062*(i-n)) for i in range(years)) for n in range(i))for j in range(rec)))

但是，这些约束会导致一行超过 15,000 个字符的错误。

我以前使用 for 循环和中间体解决了这个问题，以解决“约束”环境之外的所有这些变量。它给了我正确的答案，但编译模型需要很长时间（模型构建需要 4 小时以上，解决它不到 3 分钟）。代码如下所示：

我希望避免 for 循环会提高效率，使我能够扩展模型，但我不确定增加 APM 模型字符串限制的方法。

我也对如何将中间体嵌入总和的其他建议持开放态度。

我正在尝试使用 APMonitor 为模型预测控制构建 python 代码。但是，我不想在第三方在线服务器上获得结果。因此，我想收集预测的有偏和无偏的数据，并自己在 Python 上绘制它们。

我正在求解一组模拟方程（IMODE = 1，SOLVER = 3）。IPOPT 求解器求解到可接受的水平并退出，但 gekko 为此返回错误并返回我的解决方案。根据 IPOPT 文档，可接受级别的容差为 1.0e-6，这与 gekko 使用的 OTOL 和 RTOL 的默认值（以及我正在使用的值）相同。我能够修改 gekko.py 源代码以让我的答案返回，但这样做我绕过了所有类型的错误。我不希望绕过所有错误，因为它们显然有助于调试其他问题，例如不可行性。是否有我缺少的 m.solve 选项，或者当 IPOPT 解决到可接受的水平时不触发错误的另一种方法？