使用pydrake对接Gurobi获取二阶锥规划迭代中间解遇NaN问题

问题定位 #

Gurobi的optimization_status:7对应GRB.INTERRUPTED状态，即求解因迭代次数限制被中断。Drake当前逻辑中，仅当求解器返回成功状态（如最优、可行）时，才会将求解结果拷贝到变量中；若is_success() == False，则变量值默认填充为NaN，这就是你遇到的核心问题。

解决步骤 #

1. 配置求解器并获取底层Gurobi模型 #

在构建二阶锥规划问题后，配置Gurobi迭代次数限制，并直接访问Gurobi的原生模型实例：

from pydrake.solvers.gurobi import GurobiSolver
from pydrake.solvers.mathematicalprogram import MathematicalProgram
import gurobipy as gp

# 构建你的二阶锥规划问题
prog = MathematicalProgram()
# ... 添加变量、约束、目标函数 ...

solver = GurobiSolver()
# 设置迭代次数限制
solver.SetSolverOption(prog, "IterationLimit", 100)
# 开启Gurobi日志（可选，便于观察迭代过程）
solver.SetSolverOption(prog, "OutputFlag", 1)

# 执行求解
result = solver.Solve(prog)

# 获取Gurobi原生模型
gurobi_model = solver.access_model()

2. 直接提取中断前的迭代解 #

无论Drake的result是否标记成功，只要Gurobi完成了部分迭代，就可以从原生模型中提取变量的当前值：

# 遍历Drake决策变量，映射到Gurobi变量并取值
drake_vars = prog.decision_variables()
for var in drake_vars:
    var_idx = solver.GetVariableIndex(prog, var)
    gurobi_var = gurobi_model.getVars()[var_idx]
    # 获取中断前的最后解值
    current_value = gurobi_var.X
    print(f"Variable {var.GetName()}: {current_value}")

3. 实时追踪每一步迭代解（可选） #

如果需要观察每一次迭代的解演化，可以注册Gurobi的回调函数，在迭代过程中实时获取解：

def iteration_callback(model, where):
    # 在每次MIP节点迭代时触发
    if where == gp.GRB.Callback.MIPNODE:
        # 获取当前迭代的解向量
        iteration_sol = model.cbGetNodeRel(model.getVars())
        print(f"Iteration solution: {iteration_sol}")

# 注册回调函数
solver.SetSolverOption(prog, "Callback", iteration_callback)

# 再次执行求解即可实时打印迭代解
result = solver.Solve(prog)

关键注意事项 #

• Gurobi的INTERRUPTED状态下，gurobi_var.X存储的是中断前的最后可行解；若迭代过程中未找到可行解，值可能为初始值或NaN，需结合gurobi_model.Status判断。
• 确保安装了gurobipy依赖（与Gurobi版本匹配），否则无法使用回调和原生模型的API。

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