optimization - 使用数组模型函数初始化gekko中的变量

Question

定义 Gekko 变量数组不允许任何参数初始化变量。例如，我无法使用 m.Array 函数创建整数变量数组。

我可以使用以下语法创建一个变量数组:m.Array(m.Var, (42, 42))。但是，我不知道如何使这个数组成为整数变量数组，因为传递给 m.Array 函数的 m.Var 不接受任何参数。

• 我有一个变量作为整型变量:my_var_is_an_integer_var = m.Var(0, lb=0, ub=1, integer=True)

• 我有一组不是整型变量的变量:my_array_vars_are_not_integer_vars = m.Array(m.Var, (42, 42))

• 我想要一个整数变量数组:my_array_vars_are_integer_vars = m.Array(m.Var(0, lb=0, ub=1, integer=True), (42,42)) < strong>(抛出错误)

如何将数组中的变量初始化为整型变量？？？

尝试将数组初始化为整型变量时出错:

Traceback (most recent call last):
  File "integer_array.py", line 7, in <module>
    my_array_vars_are_not_integer_vars = m.Array(m.Var(0, lb=0, ub=1, 
integer=True), (42,42))
  File "C:\Users\wills\Anaconda3\lib\site-packages\gekko\gekko.py", line 
 1831, in Array
    i[...] = f(**args)
TypeError: 'GKVariable' object is not callable

Answer 1

如果您在创建变量数组时需要传递额外的参数，您可以使用以下选项之一。选项 1 创建一个 Numpy 数组，而选项 2 和 3 创建一个 Python 列表。

选项 1(首选)使用带有附加参数 integer=True 的 m.Array 函数创建一个 numpy 数组:

y = m.Array(m.Var,(42,42),lb=0,ub=1,integer=True)

选项 2使用列表理解创建一个二维变量列表:

y = [[m.Var(lb=0,ub=1,integer=True) for i in range(42)] for j in range(42)]

选项 3或者，您可以创建一个空列表 (y) 并将二进制值附加到该列表。

y = [[None]*42]*42
for i in range(42):
    for j in range(42):
        y[i][j] = m.Var(lb=0,ub=1,integer=True)

UPPER 和 LOWER 边界可以在变量创建后更改，但 integer 选项仅在初始化时可用。不要忘记切换到 APOPT MINLP solver对于具有 m.options.SOLVER = 1 的整数变量解决方案。下面是一个完整的示例，它使用所有三个选项，但使用 3x4 数组表示 x、y 和 z .

from gekko import GEKKO
import numpy as np

m = GEKKO()

# option 1
x = m.Array(m.Var,(3,4),lb=0,ub=1,integer=True)

# option 2
y = [[m.Var(lb=0,ub=1,integer=True) for i in range(4)] for j in range(3)]

# option 3
z = [[None]*4]*3
for i in range(3):
    for j in range(4):
        z[i][j] = m.Var(lb=0,ub=1,integer=True)

# switch to APOPT
m.options.SOLVER = 1

# define objective function
m.Minimize(m.sum(m.sum(x)))
m.Minimize(m.sum(m.sum(np.array(y))))
m.Minimize(m.sum(m.sum(np.array(z))))

# define equation
m.Equation(x[1,2]==0)
m.Equation(m.sum(x[:,0])==2)
m.Equation(m.sum(x[:,1])==3)
m.Equation(m.sum(x[2,:])==1)

m.solve(disp=True)
print(x)

目标是最小化x、y和z中所有元素的总和，但对元素有一定的限制， x 的行和列。解决方案是:

[[[1.0] [1.0] [0.0] [0.0]]
 [[1.0] [1.0] [0.0] [0.0]]
 [[0.0] [1.0] [0.0] [0.0]]]