GEKKO+APOPT混合整数优化回调方法失效问题咨询

根因分析 #

APOPT求解器处理混合整数规划（MIP）时，采用分支定界+外逼近类算法，和连续变量优化的SQP逐次迭代逻辑完全不同：

• 连续变量优化时，每一次迭代都是向最优解逐步逼近的过程，循环设置MAX_ITER能抓到每一步的变量和目标值变化；
• 混合整数优化时，求解器先求解松弛问题（去掉整数约束），再通过分支、剪枝生成大量候选节点，只有找到可行整数解或完成整个分支树搜索时，才会输出最终结果，中间过程的节点信息不会通过常规迭代变量暴露，导致你看到的都是初始值重复，最后才出结果。

另外，scipy的回调机制是针对自身求解器设计的，和GEKKO调用的APOPT求解器不兼容，直接套用无效。

解决方法 #

方法1：启用APOPT内置日志查看中间过程 #

通过调整GEKKO求解器参数，直接输出分支定界过程的详细日志：

from gekko import GEKKO
m = GEKKO(remote=False)
# 定义含整数约束的变量（HS71问题示例）
x1 = m.Var(value=1, lb=1, ub=5, integer=True)
x2 = m.Var(value=5, lb=1, ub=5)
x3 = m.Var(value=5, lb=1, ub=5)
x4 = m.Var(value=1, lb=1, ub=5)
# 目标函数与约束
m.Obj(x1*x4*(x1+x2+x3)+x3)
m.Equation(x1*x2*x3*x4>=25)
m.Equation(x1**2+x2**2+x3**2+x4**2==40)
# 配置APOPT求解器与日志
m.options.SOLVER = 1  # 指定APOPT求解器
m.options.IMODE = 3   # 稳态优化模式
m.options.DIAGLEVEL = 2  # 开启分支定界节点日志（级别2及以上）
m.solve(disp=True)

运行后控制台会输出分支定界过程中每个节点的变量值、目标值、剪枝状态等信息，完整监控整数优化的中间过程。

方法2：自定义迭代监控逻辑 #

如果需要对中间候选整数解做自定义处理，可通过读取求解器本地日志实现：

1. 开启GEKKO本地模式（remote=False），求解器会在本地生成工作目录；
2. 循环调用m.solve(disp=False)，每次求解后读取工作目录下的apm_log.txt文件，解析其中的整数候选解信息；
3. 通过m.solver_options = ['max_iter 100']控制分支定界的节点数，逐步推进求解过程。

注意事项 #

• 不要混用scipy的回调机制，GEKKO的求解器是独立的，不支持scipy的回调接口；
• 分支定界过程的中间节点不一定都是可行解，需通过日志中的约束满足情况判断有效性。

内容的提问来源于stack exchange，提问作者user27444871