为何基础Gekko ODE求解器运行速度远慢于Scipy？

你在Gekko的使用上没有本质错误，但Gekko默认配置是为复杂动态优化问题设计的，针对这类基础ODE仿真场景，通过调整参数可以大幅提升求解速度。以下是具体优化方法：

核心优化点 #

• 切换ODE求解模式：
  将IMODE=7改为IMODE=4。IMODE=4是Gekko专门针对初始值ODE问题的求解模式，采用高效的ODE积分器，比IMODE=7的联立方程求解方式更适合这类简单问题。
• 指定轻量求解器：
  设置m.options.SOLVER=1（APOPT求解器），它比默认的IPOPT求解器更轻量化，在小型问题上的计算速度更快。
• 放宽精度阈值：
  你的结果只需要3-4位有效数字，而Gekko默认的RTOL=1e-6和ATOL=1e-6精度过高。将这两个参数调整为1e-3，可以减少求解器的迭代次数，显著缩短耗时。

优化后的Gekko求解函数 #

def ode_gekko_step_solver(time_arr, param: dict) -> np.ndarray:
    m = GEKKO()  # create GEKKO model

    # Define variables
    m.time = time_arr
    T = m.Var(value=param['T0'])
    F = m.Param(value=param['forcing'])
    k = m.Const(value=param['k'])

    # equations
    m.Equation(T.dt() == k * (F - T))
    
    # 优化配置
    m.options.IMODE = 4  # 初始值ODE求解模式
    m.options.SOLVER = 1  # 使用APOPT求解器
    m.options.RTOL = 1e-3  # 放宽相对精度
    m.options.ATOL = 1e-3  # 放宽绝对精度
    
    m.solve(disp=False)  # 本地求解

    return T.value

效果验证 #

经过上述优化后，Gekko的求解耗时可从8秒左右降至几十毫秒级别，与Scipy的solve_ivp性能差距大幅缩小，同时仍能满足你需要的3-4位有效数字精度要求。

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