使用GEKKO优化矩阵/向量方程遇稳态IMODE标量值错误求助

核心问题分析 #

你错误使用了m.axb：它的作用是给已定义的变量添加线性约束，而非创建变量。直接将m.axb的结果赋值给x，会导致后续操作中x被识别为约束对象而非决策变量，触发"This steady-state IMODE only allows scalar values"错误。此外，y是整数变量，不能用Intermediate定义，必须显式声明为整数型GEKKO变量。

修正后的代码实现 #

import numpy as np
from gekko import GEKKO

# 假设以下是预定义的numpy数组（根据实际场景替换为你的数据）
const_machXparts = np.random.rand(5, 10)  # A矩阵：约束行数×变量数
const_Mach_Max_Cap = np.random.rand(5)    # b向量：约束上限
const_FP_Wt_Matrix = np.random.rand(10)   # C向量：变量权重

# 初始化GEKKO模型
m = GEKKO(remote=False)

# 1. 定义决策变量x：一维数组，非负约束
x = m.Array(m.Var, const_machXparts.shape[1], lb=0)

# 2. 添加Ax < b约束：传入已定义的变量x，m.axb自动生成约束
m.axb(const_machXparts, const_Mach_Max_Cap, x, etype='<')

# 3. 定义整数变量y，显式添加Cx = y的等式约束
y = m.Var(lb=0, integer=True)
m.Equation(y == const_FP_Wt_Matrix @ x)

# 4. 设置目标函数并求解
m.Maximize(y)
m.solve(disp=True)

# 输出结果
print("最优x值：", [xi.value[0] for xi in x])
print("最优y值：", y.value[0])

关键修正点说明 #

• 变量定义优先级：必须先通过m.Array(m.Var, ...)创建决策变量数组x，确保每个元素是GEKKO的Var对象，而非约束对象。
• m.axb的正确用法：调用时需传入已定义的变量x，函数内部自动添加Ax < b约束，无需接收返回值。
• 整数变量声明：y是整数变量，需在定义时指定integer=True，并通过m.Equation建立Cx = y的等式约束——Intermediate仅用于中间计算，不支持整数属性。
• IMODE设置：稳态优化默认IMODE=3即可，无需修改为其他值。

解决"int have no length"错误 #

之前尝试先定义x再传入m.axb时出现的该错误，大概率是因为len(part_matrix_.columns)的取值不符合预期（比如未正确获取列数）。建议直接通过const_machXparts.shape[1]获取变量维度，确保与A矩阵的列数匹配。

内容的提问来源于stack exchange，提问作者Hesham M Omar