[英]Linear Programming in GEKKO Python
目前正在通過 python 中的 GEKKO 庫解決 LP 問題。 這個問題有大約 8,000 個變量。 如果我增加變量的數量,它在 462 個變量上運行良好。 程序顯示錯誤“異常:@error:Model 表達式 *** function 字符串的語法錯誤:無效元素:,>=0”
任何評論都會有所幫助。
#Initialize Model
m = GEKKO()
#Set global options
m.options.solver = 3
m.options.IMODE = 3 #steady state optimization
#define parameter
Num_Cell= 463
H2 = m.Array(m.Var,Num_Cell,value = 0)
Demand = m.Const(value=20000000)
D = np.zeros(Num_Cell)
F = Hardwood_Sawlog.SumOfTotal
for i in range(Num_Cell):
H2[i].lower = 0
H2[i].upper = F[i]
D[i] = i
m.Equation(m.sum(H2[0:Num_Cell])==Demand)
m.Obj(np.dot(D,H2))
m.solve(disp=False,debug=True)
print('')
print(H2)
問題是m.Obj(np.dot(D,H2))
的符號形式超過了 15,000 個字符的最大長度,問題較大。 這是您的問題的一個版本,它會產生錯誤:
from gekko import GEKKO
import numpy as np
m = GEKKO()
m.options.solver = 3
m.options.IMODE = 3
Num_Cell= 1000
H2 = m.Array(m.Var,Num_Cell,value = 0)
Demand = m.Const(value=20000000)
D = np.zeros(Num_Cell)
for i in range(Num_Cell):
H2[i].lower = 0
H2[i].upper = 100
D[i] = i
m.Equation(m.sum(H2[0:Num_Cell])==Demand)
m.Obj(np.dot(D,H2))
m.solve(disp=False,debug=True)
print('')
print(H2)
這是一個替代版本,它克服了np.dot()
構造長(> 15,000 個字符)符號表達式的問題。
from gekko import GEKKO
import numpy as np
m = GEKKO()
m.options.solver = 1
m.options.IMODE = 3
Num_Cell= 1000
H2 = m.Array(m.Var,Num_Cell,value = 0)
Demand = m.Const(value=20000000)
D = np.zeros(Num_Cell)
for i in range(Num_Cell):
H2[i].lower = 0
H2[i].upper = 1e10
D[i] = i
m.Equation(m.sum(H2[0:Num_Cell])==Demand)
m.Minimize(m.sum([D[i]*H2[i] for i in range(Num_Cell)]))
m.solve(disp=True)
print('')
print(H2)
Gekko 中有線性規划gekko
構建函數,可幫助構建具有稀疏矩陣或大型密集矩陣的大規模 LP 問題:
更有效的方法是使用內置的 model 構建函數。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.