GEKKO优化中调用外部函数计算参数的可行性及实现方法问询

1. 如何在GEKKO优化过程中调用优化流程外的函数 #

GEKKO依赖符号化建模完成自动微分与优化求解，直接调用普通数值函数会导致优化器无法识别变量依赖关系，需用以下两种适配方法：

方法一：重构为GEKKO原生符号表达式 #

如果外部函数可拆解为算术运算、三角函数等GEKKO内置支持的操作，直接用GEKKO变量/参数重构逻辑。比如原外部平方和函数：

def external_func(x, y):
    return x**2 + y**2

适配后代码：

from gekko import GEKKO
m = GEKKO()
x = m.Var(value=1)
y = m.Var(value=2)
# 在GEKKO模型内构建等价表达式
obj = x**2 + y**2
m.Obj(obj)
m.solve(disp=False)

方法二：用user_defined()封装黑箱函数 #

针对无法符号化的黑箱函数（如复杂实验拟合、第三方库计算），用user_defined()封装成GEKKO可识别的组件。示例：

from gekko import GEKKO
import numpy as np

# 外部黑箱函数
def black_box(x):
    return np.sin(x) + 0.1*x**2

m = GEKKO()
x = m.Var(value=0)
# 封装外部函数
y = m.user_defined(black_box, x)
# 设定优化目标
m.Obj(y)
m.solve(disp=False)

若函数需多输入输出或更高精度梯度，可在user_defined()中指定grad参数传入自定义梯度函数，否则GEKKO会用有限差分法近似梯度。

2. GEKKO是否支持在优化过程中调用其他函数计算部分参数 #

完全支持，但需符合GEKKO建模规则：

• 若计算的是固定参数（不依赖优化变量），可提前用外部函数计算完成，再通过gk.Param()传入模型；
• 若计算依赖优化变量，则需用上述两种方法将函数适配为GEKKO兼容形式，确保优化器能跟踪变量依赖关系。

固定参数计算示例：

from gekko import GEKKO

# 外部函数计算固定参数
def calc_param(a, b):
    return a*b + 3

m = GEKKO()
# 提前计算参数值
fixed_param = calc_param(2, 5)
p = m.Param(value=fixed_param)
x = m.Var(value=1)
m.Obj(x**2 + p*x)
m.solve(disp=False)

内容的提问来源于stack exchange，提问作者liliiiaini