Python Gekko如何实现时间与路径双目标同步优化

问题核心原因 #

你当前的问题并不是Gekko只读取最后一个目标函数，Gekko会自动将所有m.Minimize()/m.Obj()定义的目标项求和，作为整体单目标优化。你观察到的“仅最后一个目标生效”的现象，本质是不同目标项的权重量级不匹配，导致权重小的目标对整体优化结果的影响可忽略。
你现在的目标项包含三类：x方向终点偏差惩罚、y方向终点偏差惩罚、总时间最小化，前两项的惩罚系数是1e4，总时间项的权重是1，权重差了4个数量级，优化时会优先满足路径偏差最小的要求，时间目标的作用被覆盖。

解决方案 #

方案1：加权和法（快速实现多目标偏好调节） #

给不同目标设置可调权重，通过调整权重比值得到不同偏好的优化结果，遍历权重即可得到帕累托最优解集。
修改后的目标函数部分示例：

# 目标函数参数可根据需求调整权重比
w_path = 1e4  # 路径偏差惩罚权重
w_time = 10   # 时间优化权重，可调整该值平衡两个目标的优先级
m.Minimize(w_path * (x * final - pathx) ** 2)  # x方向终点偏差惩罚
m.Minimize(w_path * (pathy - y * final) ** 2)  # y方向终点偏差惩罚
m.Minimize(w_time * tf) # 总时间最小化，添加权重平衡量级

如果需要得到完整帕累托前沿，可循环遍历w_time的不同取值，每次求解后保存对应的路径偏差和总时间结果即可。

方案2：ε约束法（严格约束其中一个目标的上限） #

如果需要明确约束某一个目标的阈值，可将其中一个目标转为约束条件，仅优化另一个目标：
比如要求路径偏差不超过100，优化最短时间，可添加如下约束，删掉原路径偏差的目标项即可：

# 路径偏差转为约束，偏差不超过100
m.Equation((x * final - pathx)**2 + (y * final - pathy)**2 <= 100**2)
# 仅保留时间作为优化目标
m.Minimize(tf)

可运行完整代码 #

你提供的代码还缺少numpy导入、求解调用、结果输出的部分，补全后可直接运行：

import numpy as np
import matplotlib.pyplot as plt
from gekko import GEKKO

# Gekko model
m = GEKKO(remote=False)

# Time points
nt = 501                    
tm = np.linspace(0, 1, nt)  
m.time = tm

# Variables
g = m.Const(value=9.80665)
V = m.Const(value=200)  # velocity

Xi = m.Var(value=0, lb=-2*np.pi, ub=2*np.pi)       # Heading angle
x = m.Var(value=0, lb=-100000, ub=100000)      # x position
y = m.Var(value=0, lb=-100000, ub=100000)      # y position

pathx = m.Const(value=70000)  # intended distance in x direction
pathy = m.Const(value=20000)  # intended distance in y direction

p = np.zeros(nt) # final time=1
p[-1] = 1.0
final = m.Param(value=p)

m.options.MAX_ITER = 1000000  # iteration number

# Optimize Final Time
tf = m.FV(value=1.0, lb=0.0001, ub=1000.0)
tf.STATUS = 1

# Controlled parameters
Mu = m.MV(value=0, lb=-1, ub=1)  # solver controls bank angle
Mu.STATUS = 1
Mu.DCOST = 1e-3

# Equations
m.Equation(x.dt() == tf * (V * (m.cos(Xi))))  
m.Equation(y.dt() == tf * (V * (m.sin(Xi))))  
m.Equation(Xi.dt() == tf * (g * m.tan(Mu)) / V )

# 加权和法目标函数
w_path = 1e4
w_time = 10
m.Minimize(w_path * (x * final - pathx) ** 2)
m.Minimize(w_path * (pathy - y * final) ** 2)
m.Minimize(w_time * tf)

# 求解
m.solve(disp=True)

# 结果输出
print(f"最优总时间: {tf.value[0]}")
print(f"终点x坐标: {x.value[-1]}, 目标x: {pathx.value}")
print(f"终点y坐标: {y.value[-1]}, 目标y: {pathy.value}")

# 路径绘图
plt.figure(figsize=(8,4))
plt.plot(x.value, y.value)
plt.scatter(pathx.value, pathy.value, c='red', label='目标终点')
plt.xlabel('x坐标')
plt.ylabel('y坐标')
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者bernberni