使用GEKKO求解分式目标的混合整数非线性规划时出现NaN解求助

问题分析 #

原代码直接最大化分式目标（总利润/总收入）时，出现全0解（违反3选2约束）和目标值NaN的问题，核心原因：

• 分式目标在数值计算中易产生奇异（分母为0），导致求解器陷入局部最优；
• 整数规划初始点选择可能触发分母为0的情况，求解器无法自动恢复。

解决方案 #

方法一：枚举法（适合小规模问题） #

因仅3选2，共3种可行组合，直接计算每种组合的毛利率即可快速找到最优解：

# 枚举所有3选2的可行组合
combinations = [(1,1,0), (1,0,1), (0,1,1)]
max_margin = -1.0
best = None

for x1, x2, x3 in combinations:
    profit = 150*x1 + 120*x2 + 100*x3
    revenue = 200*x1 + 150*x2 + 250*x3
    margin = profit / revenue
    if margin > max_margin:
        max_margin = margin
        best = (x1, x2, x3)

print(f"最优组合：x1={best[0]}, x2={best[1]}, x3={best[2]}")
print(f"最大毛利率：{max_margin:.4f}")

运行结果：

最优组合：x1=1, x2=1, x3=0
最大毛利率：0.7714

方法二：线性化重构目标（适合大规模问题） #

将分式目标转化为线性约束+线性目标，避免数值奇异：

• 引入辅助变量gamma表示毛利率；
• 最大化gamma，同时满足总利润 >= gamma * 总收入（等价于gamma <= 总利润/总收入）；
• 保留原约束（3选2、总收入>0）。

修正后的GEKKO代码：

from gekko import GEKKO

m = GEKKO(remote=False)
# 二进制决策变量
x1 = m.Var(integer=True, lb=0, ub=1)
x2 = m.Var(integer=True, lb=0, ub=1)
x3 = m.Var(integer=True, lb=0, ub=1)
# 毛利率变量，范围0-1
gamma = m.Var(lb=0, ub=1)

# 定义总利润和总收入
profit = 150*x1 + 120*x2 + 100*x3
revenue = 200*x1 + 150*x2 + 250*x3

# 核心约束：毛利率的等价转化
m.Equation(profit >= gamma * revenue)
# 3选2约束
m.Equation(x1 + x2 + x3 == 2)
# 确保总收入不为0（可选，3选2自动满足）
m.Equation(revenue >= 1e-3)

# 目标：最大化毛利率
m.Maximize(gamma)

# 使用APOPT求解混合整数规划
m.options.SOLVER = 1
m.solve(disp=True)

print(f"x1: {x1.value[0]}, x2: {x2.value[0]}, x3: {x3.value[0]}")
print(f"最大毛利率: {gamma.value[0]:.4f}")

运行结果：

x1: 1.0, x2: 1.0, x3: 0.0
最大毛利率: 0.7714

关键说明 #

• 原代码失败的本质是分式目标的数值不稳定性，求解器遇到分母为0的奇异点后无法找到可行解；
• 线性化重构后的模型属于混合整数线性规划（MILP），APOPT求解器能高效处理这类问题，避免数值奇异；
• 若变量规模大（如几十上百个产品），优先使用线性化方法，枚举法仅适用于小规模场景。

内容的提问来源于stack exchange，提问作者soumyajt