解决 NLP 时目标值不一致

Posted 2023-02-18

【中文标题】解决 NLP 时目标值不一致

【英文标题】：Inconsistent Objective Value when solving NLP

【发布时间】：2021-11-26 03:38:12

【问题描述】：

目标是二次函数。

final = np.zeros_like(m.time)
final[-1] = 1
final = m.Param(final)

final_obj = ((m.Cs_n_avg[0]*final-0.0226981-0.25)*100)**2
m.Obj(final_obj)

m.options.IMODE = 6
m.options.SOLVER = 3
m.options.MAX_ITER = 500
m.solve(disp=True)


m.options.OBJ
3718.2126872

m.Cs_n_avg[0]
[0.0226981, 0.059400736803, 0.093924942354, 0.13029876847, 0.17044062163, 0.21694119575, 0.27269809999]

如果将m.Cs_n_avg[0]的值代入目标函数，则值为0。

【问题讨论】：

这似乎是一个稳态问题。您可能想尝试使用“IMODE=3”。另外，能否请您附上完整的代码？

【参考方案1】：

这是来自Dynamic Optimization course 的一个相关问题（参见问题 1b），其中最终值被最小化。当前问题不完整，因为代码缺少几个依赖项。请更新问题或使用以下示例来提供帮助。

import numpy as np
import matplotlib.pyplot as plt
from gekko import GEKKO

m = GEKKO()

nt = 101
m.time = np.linspace(0,1,nt)

# Variables
x1 = m.Var(value=1)
x2 = m.Var(value=0)
u = m.Var(value=-0.48)

p = np.zeros(nt)
p[-1] = 1.0
final = m.Param(value=p)

# Equations
m.Equation(x1.dt()==u)
m.Equation(x2.dt()==x1**2 + u**2)
m.Equation(final*(x1-1)==0)

# Objective Function
m.Minimize(x2*final)

m.options.IMODE = 6
m.solve()

plt.figure(1)
plt.plot(m.time,x1.value,'k:',lw=2,label=r'$x_1$')
plt.plot(m.time,x2.value,'b-',lw=2,label=r'$x_2$')
plt.plot(m.time,u.value,'r--',lw=2,label=r'$u$')
plt.legend(loc='best')
plt.xlabel('Time')
plt.ylabel('Value')
plt.show()