Python GEKKO优化套件如何更换优化目标并重置变量值

问题原因 #

GEKKO 模型不会自动覆盖历史添加的优化目标，所有通过Minimize()、Maximize()接口添加的目标项都会被追加到模型内部的目标列表中，多次调用时目标会自动叠加，导致第二次求解的实际目标和预期不符。第一次求解完成后，所有变量的当前值会被更新为最优解，不会自动回到初始定义的默认值。

具体操作方法 #

清除旧优化目标 #

所有已添加的优化目标都存储在模型实例的_objectives列表中，添加新目标前直接清空该列表即可：

# 清空所有历史优化目标
solver._objectives.clear()

注意：该操作只会清除目标函数，不会影响已经定义好的变量、约束，不需要重复添加模型约束。操作顺序必须是先清空列表，再添加新的目标，否则新添加的目标也会被一并清除。

重置变量为默认初始值 #

变量定义时设置的初始值会被保存在变量的VALUE_INIT属性中，遍历需要重置的变量，将其值设为该属性即可恢复默认初始值：

for xi in x:
    # 重置为变量定义时传入的value初始值
    xi.value = xi.VALUE_INIT

如果是规模较大的模型，也可以直接遍历模型的所有变量批量重置：

for var in solver.variables:
    var.value = var.VALUE_INIT

修正后的测试代码 #

from gekko import GEKKO
# 初始化求解器，示例用本地求解模式
solver = GEKKO(remote=False)
# 示例定义5个0-1整数变量，初始值设为0
x = [solver.Var(value=0, lb=0, ub=1, integer=True) for _ in range(5)]

# 第一次求解：最小化变量和
solver.Minimize(sum(x))
solver.solve(disp=False)
print("最小化得到的变量值：", [xi.value[0] for xi in x])
print("变量和下界：", sum([xi.value[0] for xi in x]))

# 切换目标前的必要操作
solver._objectives.clear()
for xi in x:
    xi.value = xi.VALUE_INIT

# 第二次求解：最大化变量和
solver.Maximize(sum(x))
solver.solve(disp=False)
print("最大化得到的变量值：", [xi.value[0] for xi in x])
print("变量和上界：", sum([xi.value[0] for xi in x]))

可选替代方案 #

如果模型规模较小、重建开销不大，也可以直接为两次求解分别实例化独立的GEKKO模型对象，从根源上避免目标叠加、变量值残留的问题，不需要手动做清空和重置操作。

内容的提问来源于stack exchange，提问作者Fred Kel