Question

关注前面发布的问题：

我注意到当我分别引用它们时，我可以获得q的特定值（最优解）：

q [0,1] = [2.5432017412] q [0,2] = [3.7228765674]

我还可以分别添加以下值：

q [0,1] [0] + q [0,2] [0] = 6.2660783086

但是我不能使用sum函数来获取q的值，例如（代码：Output）：

q[0].sum(): (((v1+v2)+v3)+v4)
sum(q[0,:]) : ((((0+v1)+v2)+v3)+v4)
q[0,:].sum(axis=0) : (((v1+v2)+v3)+v4)

我不确定为什么sum无法访问q中的变量。我是否需要对输出执行任何中间操作（即q）？谢谢，

Answer 1

numpy数组在每个行和列位置存储gekko对象。要访问变量x的gekko值，您需要获取x.value[0]。您可以使用{p>将q矩阵转换为numpy矩阵

# convert to matrix form
qr = np.array([[q[i,j].value[0] for j in range(4)] for i in range(4)])

这里是代码的完整版本，用于检查是否满足行和列约束。

import numpy as np
import scipy.optimize as opt
from gekko import GEKKO
p= np.array([4, 5, 6.65, 12]) #p = prices
pmx = np.triu(p - p[:, np.newaxis]) #pmx = price matrix, upper triangular
m = GEKKO(remote=False)
q = m.Array(m.Var,(4,4),lb=0,ub=10)
# only upper triangular can change
for i in range(4):
    for j in range(4):
        if j<=i:
            q[i,j].upper=0 # set upper bound = 0
def profit(q):
    profit = np.sum(q.flatten() * pmx.flatten())
    return profit
for i in range(4):
    m.Equation(np.sum(q[i,:])<=10)
    m.Equation(np.sum(q[:,i])<=8)
m.Maximize(profit(q))
m.solve()
print(q)
# convert to matrix form
qr = np.array([[q[i,j].value[0] for j in range(4)] for i in range(4)])
for i in range(4):
    rs = qr[i,:].sum()
    print('Row sum ' + str(i) + ' = ' + str(rs))
    cs = qr[:,i].sum()
    print('Col sum ' + str(i) + ' = ' + str(cs))

此脚本的结果是：

[[[0.0] [2.5432017412] [3.7228765674] [3.7339217013]]
 [[0.0] [0.0] [4.2771234426] [4.2660783187]]
 [[0.0] [0.0] [0.0] [0.0]]
 [[0.0] [0.0] [0.0] [0.0]]]
Row sum 0 = 10.000000009899999
Col sum 0 = 0.0
Row sum 1 = 8.5432017613
Col sum 1 = 2.5432017412
Row sum 2 = 0.0
Col sum 2 = 8.00000001
Row sum 3 = 0.0
Col sum 3 = 8.00000002

由于求解器的公差，因此略微违反了约束。如果您想获得更精确的答案，可以使用m.options.ATOL=1e-6将求解器的公差调整为更像1e-8的值。

在GEKKO优化解决方案中访问特定值

1 个答案: