优化自定义功能时使用 Pyomo/Ipopt 获得的错误答案

【问题标题】：Error obtained with Pyomo/Ipopt when optimizing a customized function优化自定义功能时使用 Pyomo/Ipopt 获得的错误
【发布时间】：2020-04-29 14:12:34
【问题描述】：

我是 Pyomo 和 Ipopt 的新手。我想使用这些工具优化非线性优化问题。尝试优化函数时出错。

我一直在玩 Pyomo 提供的示例。我的问题的主要区别是我想在一个单独的函数中定义目标函数，这意味着与 numpy 数组进行一些乘法，但我认为它们都可以用 Pyomo 处理。

我试图尽可能地简化我的问题（从优化的角度肯定它没有意义，但它只是为了展示问题）。我的问题看起来像：

import numpy as np
from pyomo.environ import *

def myfunc(model, extra_param):
    matrix_A=np.sin(np.random.rand(100,100))+extra_param
    return sum(model.x*matrix_A-extra_param)

extra_param=5
model = ConcreteModel()
model.IDX=range(100)
model.x = Var(model.IDX,bounds=(0,1.), initialize=0.99)
model.obj=Objective(expr = myfunc(model,extra_param))
model.pprint()
solver = SolverFactory('ipopt')
solver.solve(model, tee=True)

我收到以下消息：

Ipopt 3.11.1: C:\Users\A\Anaconda3\Library\bin\ipopt.exe: jacdim: got M = 0, N = 0, NO = 1
ERROR: Solver (ipopt) returned non-zero return code (1)
ERROR: See the solver log above for diagnostic information.

【问题讨论】：

我不建议在目标中使用随机数生成器。
感谢欧文的评论。是的，从优化的角度来看确实没有意义（我将一些第三方数据替换为随机矩阵只是为了简化问题）。但是，无论是否在目标函数中使用随机数生成器，我都会得到相同的错误。

标签： python optimization pyomo

【解决方案1】：

您遇到的问题是因为您的目标函数没有返回导致标量值的表达式（您可以通过检查model.obj.pprint() 的结果看到）。

这样的事情可能会做你想做的事：

def myfunc(model, extra_param):
    matrix_A=np.sin(np.random.rand(100,1)).flatten() + extra_param
    return sum(matrix_A[i] * model.x[i] for i in model.IDX)

请注意，我将np.random.rand 函数中的(100,100) 部分更改为(100,1)，因为您的变量model.x 是一个向量。此外，.flatten() 方法会将数组折叠成一维数组。

【讨论】：

感谢您的评论，非常有用！事实上，当我简化我的问题时，我遇到了一个维度问题。对于我的实际问题，我需要 matrix_A 仍然是一个二维数组，因为目标函数将是这样的：obj=sum(vector1+vector2) 其中每个向量都是由相乘产生的，例如：vector1(dim n, dim 1)=(matrix (dim n, dim m)*model.x(dim m,dim 1)**2 （数组每个元素的幂）。与 vector2 相同，但矩阵不同。我是否也应该尝试折叠为一维数组？
很高兴它有帮助。从数学的角度来看，您的公式是有意义的，但请小心，因为某些乘法的 Pyomo 符号可能不同（例如，请参阅我的 return 语句与您的差异）。通常，检查一切是否正常的一种简单方法是在目标上使用 .pprint() 方法，并查看 Expression 是否存在实际表达式或其他需要更正的内容（例如 Numpy 数组）。跨度>