在目标函数之外的函数中访问决策变量值 Gekko。

huangapple go评论58阅读模式
英文:

Access decision variable value in function outside objective function Gekko

问题

我需要在目标函数之外访问决策变量。我有以下内容。

tc_var = {}
for index in index_f_a:
    tc_var[index] = m.Var(value=25, name='tc_var_{}'.format(index), lb=15, ub=45, integer=False)

def k1(i, z, j, a):
    a_dif = tce[(i, z, j, a)] - tc_var[(i, j)].VALUE
    return a_dif if a_dif > 0 else 0

m.Minimize(m.sum([k1(i, z, j, a)*KCA for i, z, j, a in index_f_h_a_v]))

在另一个问题中,有人告诉我在目标函数中使用.value只使用初始值。我应该如何正确地做到这一点(访问决策的值)?

谢谢。

如果我不使用.value,我会收到以下错误:

在目标函数之外的函数中访问决策变量值 Gekko。
在目标函数之外的函数中访问决策变量值 Gekko。

已解决

def k1(i, z, j, a):
    d = m.Var(lb=0)
    s = m.Var(lb=0)
    m.Minimize(1e-3*s)
    m.Equation(d == (tce[(i, z, j, a)] - tc_var[(i, j)])*KCA + s)
    return d

m.Minimize(
m.sum([k1(i, z, j, a) for i, z, j, a in index_f_h_a_v]))
英文:

I need to access the decision variable outside the objective function. I have the following.

tc_var = {}
for index in index_f_a:
    tc_var[index] = m.Var(value=25, name='tc_var_{}'.format(index), lb=15, ub=45, integer=False)

def k1(i, z, j, a):
    a_dif = tce[(i, z, j, a)] - tc_var[(i, j)].VALUE
    return a_dif if a_dif > 0 else 0


m.Minimize(m.sum([k1(i, z, j, a)*KCA for i, z, j, a in index_f_h_a_v]))

In another question, it was told that using .value in the objective only uses the initial value. How can I do this the correct way (access the value decision)?

Thank you.

If I do not use .value, I get the following error:

在目标函数之外的函数中访问决策变量值 Gekko。
在目标函数之外的函数中访问决策变量值 Gekko。

SOLVED With

def k1(i, z, j, a):
    d = m.Var(lb=0)
    s = m.Var(lb=0)
    m.Minimize(1e-3*s)
    m.Equation(d == (tce[(i, z, j, a)] - tc_var[(i, j)])*KCA + s)
    return d

m.Minimize(
m.sum([k1(i, z, j, a) for i, z, j, a in index_f_h_a_v]))

答案1

得分: 1

对于条件语句,请使用m.if3()函数,例如:

def k1(i, z, j, a):
    d = m.Intermediate(tce[(i, z, j, a)] - tc_var[(i, j)])
    a_dif = m.if3(d, 0, d)
    return a_dif

这会添加一个二进制决策变量,因此必须使用APOPT求解器(m.options.SOLVER=1)来解决混合整数解决方案。如果有很多二进制决策变量,解决方案可能需要更长的时间。另一种方法是使用松弛变量s,以便d保持正数,例如:

def k1(i, z, j, a):
    d = m.Var(lb=0)
    s = m.Var(lb=0)
    m.Minimize(1e-3*s)
    m.Equation(d == tce[(i, z, j, a)] - tc_var[(i, j)] + s)
    return d

这种方法的问题是对s的最小化可能会干扰其他竞争性目标。可以调整1e-3来调整优化问题。

英文:

For conditional statements, use the m.if3() function such as:

def k1(i, z, j, a):
    d = m.Intermediate(tce[(i, z, j, a)] - tc_var[(i, j)])
    a_dif = m.if3(d,0,d)
    return a_dif

This adds a binary decision variable so the APOPT solver (m.options.SOLVER=1)must be used to solve the Mixed Integer solution. If there are many binary decision variables, the solution can take much longer. An alternative method is to use a slack variable s so that d remains positive such as:

def k1(i, z, j, a):
    d = m.Var(lb=0)
    s = m.Var(lb=0)
    m.Minimize(1e-3*s)
    m.Equation(d==tce[(i, z, j, a)] - tc_var[(i, j)]+s)
    return d

The problem with this approach is that the minimization of s may interfere with other competing objectives. The 1e-3 can be adjusted to tune the optimization problem.

huangapple
  • 本文由 发表于 2023年7月24日 18:50:39
  • 转载请务必保留本文链接:https://go.coder-hub.com/76753747.html
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定