Pyomo热启动问题：基于可行解更新目标函数重求解

针对你先求可行解再优化带力矩项目标的需求，按以下步骤操作即可：

1. 保存首次求解的完整状态 #

第一次用仅含接触惩罚的目标求解完成后，不仅要保存变量值，还要把IPOPT需要的对偶变量信息存下来，这样热启动效率最高：

# 首次求解后执行
# 保存变量最优值
warmstart_vars = {var: var.value for var in model.component_objects(Var, active=True)}
# 保存IPOPT对偶变量后缀
warmstart_zL = model.ipopt_zL_out.copy()
warmstart_zU = model.ipopt_zU_out.copy()
warmstart_dual = model.dual.copy()

注：首次求解前要先定义这些后缀，和官方示例一致：model.ipopt_zL_out = Suffix(direction=Suffix.IMPORT_EXPORT)等

2. 更新模型目标函数 #

直接替换原目标为包含接触惩罚+力矩平方项的版本：

# 删除旧目标（避免多目标冲突）
del model.obj
# 假设contact_penalty是原接触惩罚表达式，model.torque是力矩变量集合
model.obj = Objective(expr=contact_penalty + sum(t**2 for t in model.torque))

3. 加载热启动初始值 #

把首次求解的结果赋值给当前模型的变量和对偶后缀：

# 加载变量初始值
for var, val in warmstart_vars.items():
    var.set_value(val, skip_validation=True)
# 加载对偶变量信息
model.ipopt_zL_in.update(warmstart_zL)
model.ipopt_zU_in.update(warmstart_zU)
model.dual.update(warmstart_dual)

4. 配置IPOPT热启动参数 #

启用IPOPT的热启动模式，确保求解器使用传入的初始点：

solver = SolverFactory('ipopt')
# 核心热启动参数
solver.options['warm_start_init_point'] = 'yes'
# 调整初始点与边界的距离，避免数值问题
solver.options['warm_start_bound_push'] = 1e-6
solver.options['warm_start_mult_bound_push'] = 1e-6

5. 执行二次求解 #

直接运行求解器即可：

result = solver.solve(model, tee=True)

关键提示 #

• 首次求解时必须提前定义IPOPT所需的后缀（zL_out、zU_out、dual等），否则无法保存对偶信息。
• 如果首次求解后模型结构（变量、约束）没有变化，热启动的效果会非常显著，大幅缩短求解时间。
• 若出现数值问题，可以调整warm_start_bound_push等参数，或者检查初始值是否在变量上下界范围内。

内容的提问来源于stack exchange，提问作者user1118319