GEKKO求解混合整数非线性规划模型遇「模型不足」错误求助

核心问题分析 #

报错显示模型未识别到变量和方程，主要原因是方程添加方式错误，同时存在未定义的参数变量问题。

具体修复步骤 #

1. 修正方程添加方法 #

GEKKO中，m.Equation()用于添加单个方程，添加多个方程需使用m.Equations()（复数形式）。你的代码中三次使用m.Equation([...])传递方程列表，导致方程未被正确添加到模型中。

修改如下：

# 原代码
m.Equation([xyi[i] <= d[i] for i in range(ni)])          
m.Equation([sum([ Lkj[k][j]*y[j][k]   for j in range(nj)])  <= h1*w1 for k in range(nk)])
m.Equation([sum([Lkj[k][j]*y[j][k] for k in range(nk)]) ==  s/7 - P[j] for j in range(nj)]) 

# 修改后
m.Equations([xyi[i] <= d[i] for i in range(ni)])          
m.Equations([sum([ Lkj[k][j]*y[j][k]   for j in range(nj)])  <= h1*w1 for k in range(nk)])
m.Equations([sum([Lkj[k][j]*y[j][k] for k in range(nk)]) ==  s/7 - P[j] for j in range(nj)]) 

2. 定义未声明的参数变量 #

代码中引用了w、h、sum_total、PPP、VV、sumP这些变量，但未给出定义。必须在创建Gekko常量/参数前为这些变量赋值，例如：

# 示例赋值（根据实际问题替换）
w = 100
h = 50
sum_total = 10000
PPP = [10]*ni  # 假设每个P[i]为10
VV = [5]*ni    # 假设每个V[i]为5
sumP = [2000]*nj  # 假设每个sumP[j]为2000

3. 优化模型规模（可选但关键） #

你的模型包含超过95万个整数变量（x的维度是4550×35×6），远远超出常规求解器的处理能力。建议：

• 先使用小规模测试集（例如ni=10、nk=2、nj=2）验证模型正确性
• 考虑模型简化，减少变量维度或使用启发式算法辅助求解
• 若必须保留原规模，需使用支持大规模MINLP的商业求解器

完整修复后的代码示例 #

# ___Initialize model___
m = GEKKO()

# ___Global options_____
m.options.SOLVER = 1  # 使用APOPT求解MINLP

# 定义未声明的参数（根据实际问题修改）
ni = 10  # 先使用小规模测试
nj = 2
nk = 2
w = 100
h = 50
sum_total = 1000
PPP = [10]*ni
VV = [5]*ni
sumP = [200]*nj

# variables:
x = m.Array(m.Var, (ni,nk,nj), lb=0, integer=True) #integer variable                                            
y = m.Array(m.Var, (nj,nk), lb=0, ub=1, integer=True) #binary variable 

# Parameters:
w1 = m.Const(w)
h1 = m.Const(h)

Psum_total = m.Const(value=sum_total) 

P = m.Array(m.Param, ni)
for i in range(ni):
    P[i].value = PPP[i]

V = m.Array(m.Param, ni)
for i in range(ni):
    V[i].value = VV[i]

d = m.Array(m.Param, ni)
for i in range(ni):
    d[i] = 50

Psum_vetor = m.Array(m.Param, nj)
for j in range(nj):
    Psum_vetor[j].value = sumP[j]

#Intermediate
Lkj = [[m.Intermediate(m.sum([P[i]*x[i][k][j] for i in range(ni)])) for j in range(nj)] for k in range(nk)]
xyi = [m.Intermediate(m.sum([x[i][k][j]*y[j][k] for k in range(nk) for j in range(nj)])) for i in range(ni)]
z = m.Intermediate(m.sum([xyi[i]*V[i] for i in range(ni)]))  

s = Psum_total
for k in range(nk):
    for j in range(nj):
        s += Lkj[k][j]

#  Equations（使用m.Equations复数形式）
m.Equations([xyi[i] <= d[i] for i in range(ni)])          
m.Equations([sum([Lkj[k][j]*y[j][k] for j in range(nj)]) <= h1*w1 for k in range(nk)])
m.Equations([sum([Lkj[k][j]*y[j][k] for k in range(nk)]) == s/7 - P[j] for j in range(nj)]) 

m.Obj(-z)
m.options.IMODE = 3
m.solve(disp=True)

print("x values:")
for i in range(ni):
    for k in range(nk):
        for j in range(nj):
            if x[i][k][j].value[0] > 0:
                print(f"x[{i}][{k}][{j}] = {x[i][k][j].value[0]}")

验证说明 #

先运行小规模测试代码确认模型能正常求解，再逐步扩大规模。若仍有问题，检查方程逻辑是否符合装箱问题的约束条件（例如每个物品是否被正确分配到箱子等）。

内容的提问来源于stack exchange，提问作者NBC