Gekko中目标函数外访问决策变量值的正确实现方法

问题背景 #

需要在Gekko框架的目标函数外部访问决策变量的实时计算值，初始实现代码如下：

tc_var = {}
for index in index_f_a:
    tc_var[index] = m.Var(value=25, name='tc_var_{}'.format(index), lb=15, ub=45, integer=False)

def k1(i, z, j, a):
    a_dif = tce[(i, z, j, a)] - tc_var[(i, j)].VALUE
    return a_dif if a_dif > 0 else 0


m.Minimize(m.sum([k1(i, z, j, a)*KCA for i, z, j, a in index_f_h_a_v]))

但存在问题：使用.VALUE仅能获取变量的初始值，无法拿到求解过程中的实时值；如果直接访问变量本身（不使用.VALUE）则会触发报错。

解决方案 #

Gekko属于符号式建模工具，不能直接在自定义函数中使用Python原生的条件判断逻辑处理决策变量。正确的做法是引入辅助变量，通过约束方程实现所需逻辑，最终代码如下：

def k1(i, z, j, a):
    d = m.Var(lb=0)
    s = m.Var(lb=0)
    m.Minimize(1e-3*s)
    m.Equation(d == (tce[(i, z, j, a)] - tc_var[(i, j)])*KCA + s)
    return d

m.Minimize(
m.sum([k1(i, z, j, a) for i, z, j, a in index_f_h_a_v]))

逻辑说明 #

• 引入非负辅助变量d和s，其中d用于替代原逻辑中max(0, tce[(i,z,j,a)] - tc_var[(i,j)])*KCA的结果
• 通过约束方程d == (tce[(i,z,j,a)] - tc_var[(i,j)])*KCA + s，结合对s的极小化（系数1e-3是小权重，确保s仅在必要时取值），实现：
  • 当(tce[(i,z,j,a)] - tc_var[(i,j)])*KCA > 0时，s会被优化至0，d等于该正值
  • 当(tce[(i,z,j,a)] - tc_var[(i,j)])*KCA <= 0时，s会取该值的绝对值，保证d始终非负，符合原逻辑中返回0的需求

内容的提问来源于stack exchange，提问作者Rita s