Question

我正在寻找一些帮助来优化我的代码执行。

我建立了一个模型预测控制，我使用Gurobi QP求解器在线解决QP问题。

对于每个采样时间，代码创建一个新模型，变量和约束。问题的结构在单次模拟过程中不会改变，但会改变约束系数和目标函数的值。

我想找到一种方法来更新这个系数，因为减少了求解器的执行时间。

现在，超过60％的时间执行都是在构建新约束中传递的。

在代码示例中，QP问题是：

目标函数：x ^ t H x + F ^ t x |||约束：A x <= b

F，A和b是改变每个时间步的矩阵。

%Code Example

import numpy as N
import gurobipy as gpy
m=gpy.Model()
H=mpcSim.H
A_cons=N.asarray(mpcSim.A_cons)
b=N.asarray(mpcSim.b)
F=mpcSim.F

n_cons,n_stato=A_cons.shape

x={}
for ii in range(n_stato):
    x[ii]=m.addVar(lb=-1e20,ub=1e20,name='x{}'.format(ii))

m.update()    

for ii in range(n_cons):
    m.addConstr(gpy.quicksum(A_cons[ii,jj]*x[jj] for jj in range(n_stato)), gpy.GRB.LESS_EQUAL, b[ii,0],name='Const{}'.format(ii))
m.update()

obj1=gpy.quicksum(gpy.quicksum(H[ii,jj]*x[ii] for ii in range(n_stato))*x[jj] for jj in range(n_stato))
obj2=gpy.quicksum(F[ii,0]*x[ii] for ii in range(n_stato))


m.setObjective(obj1+obj2)

m.optimize()

提前致谢，

杰克

动态更新模型约束和目标函数参数

0 个答案: