GEKKO中基于线性插值的参数动态优化问题

问题背景 #

需要在GEKKO中求解刚性ODE的动态优化问题：仅针对5个关键时间点优化参数k(t)的值，同时ODE积分过程中自动将k(t)线性插值到所有积分时间点，避免因优化全量时间点参数导致的计算成本过高（真实场景为15个关键点对应150个积分点）。直接将MV设置为关键点长度时会触发Data arrays must have the same length错误。

解决方案 #

使用GEKKO的**分段线性样条（pspline）**功能，将关键时间点的k值设为优化变量（MV），通过pspline自动完成从关键点到积分时间点的线性插值，仅需优化5个变量即可满足需求。

完整代码示例 #

from gekko import GEKKO
import numpy as np

# 关键时间点与初始参数值
kt = np.array([0, 0.2, 0.45, 0.75, 1.0])
kv_init = np.array([0.5, 1.0, 0.2, 1.2, 1.0])

# 初始化模型
m = GEKKO()
# 设置ODE积分所需的时间点（保持原11个点）
m.time = np.linspace(0, 1, 11)

# 关键时间点作为固定参数
t_key = m.Param(value=kt)
# 关键时间点的k值作为优化变量（MV），共5个优化自由度
k_key = m.MV(value=kv_init, lb=0, ub=2)
k_key.STATUS = 1  # 允许求解器优化这些变量

# 使用pspline实现分段线性插值，得到全时间点的k(t)
k = m.Var(value=np.interp(m.time, kt, kv_init))
m.pspline(t_key, k_key, m.Param(value=m.time), k, bound_x=False)

# 定义ODE方程
x = m.Var(value=0)
m.Equation(x.dt() == k)

# 设置优化目标（原需求为最小化x）
m.Minimize(x)

# 配置动态优化模式
m.options.IMODE = 6
m.solve(disp=False)

# 结果可视化
import matplotlib.pyplot as plt
plt.figure(figsize=(5,2.5))
plt.plot(kt, kv_init, 'bo-', label='初始k数据')
plt.plot(kt, k_key.value, 'rs-', label='优化后k关键点')
plt.plot(m.time, k.value, 'rx-', label='k插值结果')
plt.plot(m.time, x.value, 'k-', label='x')
plt.legend(); plt.grid()
plt.show()

代码解释 #

1. 关键变量定义：

   • t_key：固定的关键时间点参数，不参与优化
   • k_key：长度为5的MV数组，对应每个关键时间点的k值，是唯一的优化变量

2. 分段线性插值：

   • m.pspline()函数实现从关键时间点到积分时间点的分段线性插值，bound_x=False允许积分时间点覆盖关键时间点的全区间

3. 优化配置：

   • IMODE=6启用动态优化模式，求解器仅需优化5个k_key变量，大幅降低计算成本，同时保证ODE积分使用全时间点的插值k值

内容的提问来源于stack exchange，提问作者PS758