Gekko二进制规划中含多函数的目标函数报错求助

问题分析 #

你遇到的报错核心是Gekko的m.Minimize()要求传入可解析的数学表达式，但你直接传入了Python函数对象Func，且该函数内部涉及修改文件、调用外部排水模型等黑箱操作，Gekko无法将这类Python函数转换为求解器能识别的优化表达式。

错误原因 #

1. m.Minimize(Func)是错误写法：即便改为m.Minimize(Func(x))也不成立——x是Gekko的符号变量，而非数值，你的Func只能处理数值向量，无法直接解析符号变量。
2. 目标函数属于黑箱函数：依赖外部程序计算，无显式数学表达式，Gekko默认优化模式不支持直接处理这类函数。

解决方案 #

方案1：枚举法（适配你的小规模问题）

你的变量是8个二进制数，约束和为4，总共有C(8,4)=70种组合，直接枚举所有可能组合，计算目标值后选最优解，简单高效：

from gekko import GEKKO
import itertools

# 目标函数（接受数值向量输入）
def Func(x):
    Mod_File('Example1.inp', x) 
    Mod_File_name = Mod_File_Name('Example1.inp') 
    L2_Norm = Norm_Peak_Flows(Mod_File_name, Dict_Links('Example1.inp')) 
    return L2_Norm

best_norm = float('inf')
best_x = None
# 生成所有满足sum(x)=4的二进制组合
for bits in itertools.combinations(range(8), 4):
    x = [0]*8
    for idx in bits:
        x[idx] = 1
    current_norm = Func(x)
    if current_norm < best_norm:
        best_norm = current_norm
        best_x = x

print(f"最优解：{best_x}，最小L2范数：{best_norm}")

方案2：Gekko黑箱优化（适配大规模问题）

若变量规模更大，用user_defined()包装黑箱函数，配合Gekko的黑箱优化模式：

from gekko import GEKKO

m = GEKKO(remote=False)

# 定义二进制变量
x = m.Array(m.Var, 8, lb=0, ub=1, integer=True)
# 设置初始值
for xi in x:
    xi.value = 1 if xi.index in [1,3,5] else 0

# 定义目标变量
obj = m.Var()

# 黑箱函数：输入数值向量，返回目标值
def black_box(x_val):
    Mod_File('Example1.inp', x_val) 
    Mod_File_name = Mod_File_Name('Example1.inp') 
    return Norm_Peak_Flows(Mod_File_name, Dict_Links('Example1.inp'))

# 将黑箱函数注册到Gekko
m.user_defined(obj, *x, func=black_box)

# 设置优化目标与约束
m.Minimize(obj)
m.Equation(sum(x) == 4)

# 配置求解器与模式
m.options.SOLVER = 1  # APOPT混合整数规划求解器
m.options.IMODE = 2   # 黑箱优化模式
m.solve(disp=True)

print(f"最优变量值：{[xi.value[0] for xi in x]}")
print(f"最小L2范数：{obj.value[0]}")

关键注意事项 #

• 确保Mod_File、Mod_File_Name等辅助函数能正确处理数值向量输入，而非Gekko符号变量。
• 方案1适合当前问题规模，计算速度远快于黑箱优化；方案2则适用于变量数量多、组合数庞大的场景。

内容的提问来源于stack exchange，提问作者Gwhyneth Eliscupidez