使用数组模型函数初始化壁虎中的变量

Question

定义Gekko变量数组不允许任何参数初始化变量。例如，我无法使用 m.Array 函数制作整数变量数组。

我可以使用以下语法创建一个变量数组：m.Array(m.Var，(42， 42))。但是，我不知道如何使这个数组成为整数变量数组，因为传递给 m.Array 函数的 m.Var 不接受任何参数。

• 我有一个变量作为整数变量：my_var_is_an_integer_var = m.Var(0， lb=0， ub=1， integer=True)

• 我有一个不是整数变量的变量数组：my_array_vars_are_not_integer_vars = m.Array(m.Var， (42， 42))

• 我想要一个整数变量数组：my_array_vars_are_integer_vars = m.Array(m.Var(0， lb=0， ub=1， integer=True)， (42,42))(抛出错误)

如何将数组中的变量初始化为整数变量

???尝试将数组初始化为整数变量时出错：

Traceback (most recent call last):
File "integer_array.py", line 7, in <module>
my_array_vars_are_not_integer_vars = m.Array(m.Var(0, lb=0, ub=1, 
integer=True), (42,42))
File "C:UserswillsAnaconda3libsite-packagesgekkogekko.py", line 
1831, in Array
i[...] = f(**args)
TypeError: 'GKVariable' object is not callable

Answer 1

如果在创建变量数组时需要传递其他参数，则可以使用以下选项之一。选项 1 创建一个 Numpy 数组，而选项 2 和 3 创建一个 Python 列表。

选项 1(首选)使用 m.Array 函数创建一个带有附加参数的 numpy 数组integer=True：

y = m.Array(m.Var,(42,42),lb=0,ub=1,integer=True)

选项 2使用列表推导式创建变量的 2D 列表：

y = [[m.Var(lb=0,ub=1,integer=True) for i in range(42)] for j in range(42)]

选项 3或者，您可以创建一个空列表 (y) 并将二进制值附加到该列表。

y = [[None]*42]*42
for i in range(42):
for j in range(42):
y[i][j] = m.Var(lb=0,ub=1,integer=True)

上限和下限可以在创建变量后更改，但integer选项仅在初始化时可用。不要忘记切换到APOPT MINLP求解器，以获得带有m.options.SOLVER = 1的整数变量解。下面是一个完整的示例，它使用所有三个选项，但x、y和z有一个3x4数组。

from gekko import GEKKO
import numpy as np
m = GEKKO()
# option 1
x = m.Array(m.Var,(3,4),lb=0,ub=1,integer=True)
# option 2
y = [[m.Var(lb=0,ub=1,integer=True) for i in range(4)] for j in range(3)]
# option 3
z = [[None]*4]*3
for i in range(3):
for j in range(4):
z[i][j] = m.Var(lb=0,ub=1,integer=True)
# switch to APOPT
m.options.SOLVER = 1
# define objective function
m.Minimize(m.sum(m.sum(x)))
m.Minimize(m.sum(m.sum(np.array(y))))
m.Minimize(m.sum(m.sum(np.array(z))))
# define equation
m.Equation(x[1,2]==0)
m.Equation(m.sum(x[:,0])==2)
m.Equation(m.sum(x[:,1])==3)
m.Equation(m.sum(x[2,:])==1)
m.solve(disp=True)
print(x)

目标是最小化x、y和z中所有元素的总和，但对元素、行和x列存在某些约束。解决方案是：

[[[1.0] [1.0] [0.0] [0.0]]
[[1.0] [1.0] [0.0] [0.0]]
[[0.0] [1.0] [0.0] [0.0]]]