如何在Gekko的MILP目标函数中调用自定义函数？求解遇阻求助

你的问题核心是目标函数的定义方式不对——Gekko要求目标函数必须是基于Gekko变量构建的可微分表达式，不能直接传入普通Python函数返回的数值。如果K_func是纯Python实现的数值计算（比如用普通加减乘除、循环、条件判断），Gekko无法自动计算优化所需的梯度，求解器只会计算初始点的目标值后就认为已经完成优化，直接终止。

正确的实现步骤： #

1. 重构K_func为Gekko兼容的形式
   必须用Gekko的内置函数（比如m.sin()、m.log()、m.if3()）和Gekko变量来实现函数逻辑，不能用纯Python的数值操作。比如如果你的K_func是计算x1*x2 + sqrt(x1+x2)，要写成：

   def K_func(data, x1, x2):
       # 用Gekko的内置函数，x1、x2是Gekko变量
       return x1*x2 + m.sqrt(x1 + x2)
   

   这样Gekko才能识别表达式，自动计算梯度参与优化。

2. 如果K_func是黑箱函数（无法转换为Gekko表达式）
   可以用替代模型拟合函数：

   • 生成多组(x1,x2)的样本点，计算对应的目标值
   • 用Gekko的m.fit()函数拟合出多项式、样条或者神经网络模型，用这个替代模型作为目标函数

3. 调整求解器参数（可选）
   你的参数里minlp_max_iter_with_int_sol=10可能太小，导致求解器找到第一个整数解就停止。可以适当调大（比如改成50），让求解器继续寻找更优解：

   m.solver_options = ['minlp_maximum_iterations 500', \
   'minlp_max_iter_with_int_sol 50', \
   'minlp_as_nlp 0', \
   'nlp_maximum_iterations 50', \
   'minlp_branch_method 1', \
   'minlp_integer_tol 0.05', \
   'minlp_gap_tol 0.01']
   

修正后的完整示例代码： #

from gekko import GEKKO

m = GEKKO()
m.options.SOLVER=1  # APOPT求解器

# 调整求解器参数
m.solver_options = ['minlp_maximum_iterations 500', \
'minlp_max_iter_with_int_sol 50', \
'minlp_as_nlp 0', \
'nlp_maximum_iterations 50', \
'minlp_branch_method 1', \
'minlp_integer_tol 0.05', \
'minlp_gap_tol 0.01']

# 整数变量
m.x1 = m.Var(value=20, lb=1, ub=90, integer=True)
m.x2 = m.Var(value=60, lb=2, ub=91, integer=True)

# 重构为Gekko兼容的目标函数
def K_func(data, x1, x2):
    # 这里替换成你的实际逻辑，必须用Gekko变量和内置函数
    return x1*x2 + m.sqrt(x1 + x2)

data = None  # 替换成你的实际数据
m.Obj(K_func(data, m.x1, m.x2))

# 求解
m.solve(disp=True)

# 打印结果
print(f"x1: {m.x1.value[0]}, x2: {m.x2.value[0]}")

关键注意点： #

• 所有涉及优化变量的计算都必须用Gekko的变量和函数，不能用Python的普通数值类型
• 如果K_func里有条件判断，要用Gekko的m.if3()、m.abs()等函数，不能用if/else语句
• 若必须使用黑箱函数，需要先拟合替代模型，否则APOPT无法处理不可微的MINLP问题

内容的提问来源于stack exchange，提问作者Tianqi Liu