Question

我正在使用Gekko来解决一个优化问题，该问题的约束要求对数组变量求和。因为这些数组很长，所以我不断收到错误：APM model error: string > 15000 characters

需要对三个变量求和：i在范围（1，年）中，n在范围（1，i）中，j在范围（1，受体）中。编译时，每个求和中包含的变量数量增加。我想将代码作为总结与以下行：

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，这些约束导致一行错误超过15,000个字符。

我以前已经解决了使用for循环和中间体来解决“约束”环境之外的所有这些变量的问题。它给了我正确的答案，但是编译模型花费的时间很长（模型构建最多需要4个小时，而解决模型所需的时间不到3分钟）。代码如下：

for i in range(years): 
    emissions[i,0] = s[i,1]
    emissions[i,1] = s[i,3]
    emissions[i,2] = s[i,5] 
    emissions[i,3] = 0
    emissions[i,4] = 0
    emissions[i,5] = 0
    for n in range(i):
        for j in range(rec): 
            #update + binary * flux * conversion * growth 
            emissions[i,3] = m.Intermediate(emissions[i,3] + f[n,j] * - rankedcopy[j,2] * unit * (.001*(i-n)**2 + 0.062*(i-n)))
            emissions[i,4] = m.Intermediate(emissions[i,4] + f[n,j] * - rankedcopy[j,3] * unit * (.001*(i-n)**2 + 0.062*(i-n)))
            emissions[i,5] = m.Intermediate(emissions[i,5] + f[n,j] * - rankedcopy[j,4] * unit * (.001*(i-n)**2 + 0.062*(i-n)))

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

我也欢迎其他关于如何将中间体嵌入求和中的建议。

Answer 1

尝试将m.sum()函数用作内置的GEKKO对象。如果使用Python sum函数，则它将创建一个较大的求和方程，需要在运行时进行解释，并且可能超出方程大小限制。 m.sum()改为以字节码创建求和。

m.Equation(emissions[:,3] == \
   m.sum(m.sum(m.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)))

这是一个简单的示例，显示了性能上的差异。

from gekko import GEKKO
import numpy as np
import time
n = 5000
v = np.linspace(0,n-1,n)

# summation method 1 - Python sum
m = GEKKO()
t = time.time()
s = sum(v)
y = m.Var()
m.Equation(y==s)
m.solve(disp=False)
print(y.value[0])
print('Elapsed time: ' + str(time.time()-t))
m.cleanup()

# summation method 2 - Intermediates
m = GEKKO()
t = time.time()
s = 0
for i in range(n):
    s = m.Intermediate(s + v[i])
y = m.Var()
m.Equation(y==s)
m.solve(disp=False)
print(y.value[0])
print('Elapsed time: ' + str(time.time()-t))
m.cleanup()

# summation method 3 - Gekko sum
m = GEKKO()
t = time.time()
s = m.sum(v)
y = m.Var()
m.Equation(y==s)
m.solve(disp=False)
print(y.value[0])
print('Elapsed time: ' + str(time.time()-t))
m.cleanup()

结果

12497500.0
Elapsed time: 0.17874956130981445
12497500.0
Elapsed time: 5.171698570251465
12497500.0
Elapsed time: 0.1246955394744873

单个等式的15,000个字符限制是一个硬限制。我们考虑过使用m.options.MAX_MEMORY进行调整，但是大型方程可以为求解器提供非常密集的矩阵分解。通常最好分解等式或使用其他方法来减小等式的大小。

收到“ APM模型错误：字符串> 15000个字符”后，是否可以增加Gekko中方程的行长？

1 个答案: