如何在不改变FV数量时实现GEKKO异维度数组相乘并优化效率

核心思路 #

要在保持24维FV数组x维度不变的前提下，实现和N维数组的匹配相乘，关键是利用维度映射+广播运算，把N维数组与x的对应维度元素精准对齐，同时消除循环、合并方程。

具体实现步骤 #

假设N维输入数组为data_N（当前测试用100条数据），24维FV数组为x，索引数组idx（长度N，元素为0-23的整数，对应x的维度索引）：

1. 通过索引提取x的对应维度元素
   直接用索引数组idx从x中提取对应位置的元素，将24维的x转换为N维的数组，和data_N维度完全匹配：

   # 适配Pyomo/CasADi等优化框架的语法逻辑
   x_matched = x[idx]  # 从24维x中按索引提取，得到(N,)维数组
   

2. 异维度数组相乘+合并为单个Intermediate变量
   将匹配后的N维数组与data_N逐元素相乘，再通过vsum合并为单个变量，替代原有的N个ysim循环：

   ysimm_0 = vsum(x_matched * data_N)
   

3. 确认FV数量不变
   整个过程中x始终保持24维，没有新增或删减自由变量，完全满足FV数量不变的要求。

大数据集优化效果说明 #

这种方式将原有的O(N)个方程简化为O(1)个，在8760条数据的场景下，能大幅降低优化器的方程解析与计算负载，直接提升求解速度。

内容的提问来源于stack exchange，提问作者Maxence Delvaux