Question

我想使用自己的遗传算法（GA）解决混合整数问题：

https://mintoc.de/index.php/Batch_reactor

我可以将我的求解方法纳入GEKKO吗？

类似...

m = GEKKO()
.
.
.

m.options.SOLVER = 'my_GA'

Answer 1

GEKKO当前仅支持基于梯度的内置求解器。如果您设置使用遗传算法（Chapter 6 for GA overview），则可以使用GEKKO运行功能评估，以在不同的试验条件下返回目标值。您需要在每代新一代GA中将m.solve()命令放入循环内。在GEKKO中，您还需要使用m.options.TIME_SHIFT=0来不更新初始条件。这样，当您更改设计变量（例如MintOC中的T（t））以找到最佳目标函数值（例如MintOC中的x2（tf））时，就可以进行重复评估。

m = GEKKO()

# define model
x2 = m.Var()
T = m.Param()
.
.
.
m.options.TIME_SHIFT=0
m.options.IMODE = 4 # or 7
# GA loop
for i in range(generations):
    T.value = [values from GA]
    m.solve()
    obj = x2.value[-1] # objective

    # additional GA steps to decide new T values

Here is some additional information from the documentation：SOLVER选择要使用的求解器来查找解决方案。有免费的求解器：1：APOPT，2：BPOPT，3：IPOPT随软件的公共版本一起分发。公开版本未包含其他求解器，需要商业许可。 IPOPT通常最适合自由度较高的问题，或者在没有良好初始猜测的情况下启动。已经发现BPOPT是最适合系统生物学应用的。从先前的解决方案开始热启动或自由度（变量数-方程数）小于2000时，APOPT通常是最好的。APOPT也是唯一处理混合整数问题的求解器。使用选项0比较所有可用的求解器。

如何在GEKKO中使用自己的求解方法？

1 个答案: