首先明确：Gekko确实不支持复数运算，这就是你遇到语法错误的核心原因。Gekko的模型解析器和底层优化求解器都是针对实数域设计的，无法识别1j这类复数语法，所以会抛出Missing operator的错误——它根本不知道怎么处理复数相关的表达式。

不过如果你一定要用Gekko解决这类问题，可以把复数方程拆分为实部和虚部的两个实数方程，手动转化后求解。比如你的例子中，令x = x_real + 1j*x_imag，代入原微分方程后可以得到：

import numpy as np
from gekko import GEKKO

g = GEKKO()
g.options.IMODE = 7
g.options.NODES = 1

n_steps = 100
Time = np.linspace(0, 2 * np.pi, n_steps)
g.time = Time

# 拆分为实部和虚部变量
x_real = g.Var(0.0)
x_imag = g.Var(0.0)

# 转化后的实数方程
g.Equation(x_real.dt() == -x_imag)
g.Equation(x_imag.dt() == x_real)

g.solve(disp=False)
# 合并为复数结果
x_complex = np.array(x_real.value) + 1j*np.array(x_imag.value)
print(x_complex)

支持复数DAE的Python求解器推荐 #

如果不想手动拆分方程，以下几个工具原生支持复数DAE求解：

• SciPy的solve_ivp：
  虽然它主要是ODE求解器，但对低index的DAE（比如你的index-2问题）也能很好处理，而且原生支持复数。用法很简洁，针对你的例子：

  import numpy as np
  from scipy.integrate import solve_ivp
  
  def dae_system(t, x):
      return 1j * x
  
  t_span = [0, 2*np.pi]
  t_eval = np.linspace(*t_span, 100)
  solution = solve_ivp(dae_system, t_span, [0.0+0.0j], t_eval=t_eval, method='Radau')
  print(solution.y[0])
  

  对于DAE，推荐使用Radau或BDF方法，它们对刚性和微分代数系统有更好的适应性。

• PyDSTool：
  这是一个专门面向动力系统（包括ODE、DAE、混合系统）的Python库，支持复数运算，具备强大的符号处理能力，适合处理复杂的非线性DAE问题，还能做分岔分析等高级操作。

• SUNDIALS的Python绑定：
  SUNDIALS是工业级的数值求解器套件，其中CVODES模块支持复数DAE的求解。你可以通过pyomo.dae（结合Pyomo建模）或者直接使用petsc4py来调用SUNDIALS，适合大规模、刚性的DAE问题，性能表现出色。

内容的提问来源于stack exchange，提问作者Nath