Julia 朱莉娅+；跳转：函数的变量数

我试图用JuMP来解决一个非线性问题，其中变量的数量由用户决定——也就是说，在编译时是未知的

为了实现这一点，

@NLobjective

行如下所示：

@eval @JuMP.NLobjective(m, Min, $(Expr(:call, :myf, [Expr(:ref, :x, i) for i=1:n]...)))

其中，例如，如果

n=3

，编译器将该行解释为与以下内容相同：

@JuMP.NLobjective(m, Min, myf(x[1], x[2], x[3]))

问题是

@eval

仅在全局范围内工作，当包含在函数中时，会抛出错误

我的问题是：如何实现同样的功能——让

@nlobective

调用

myf

，使用数量可变的

x[1]，…，x[n]

参数——在函数的本地编译范围内未知

def testme(n)
    myf(a...) = sum(collect(a).^2)

    m = JuMP.Model(solver=Ipopt.IpoptSolver())

    JuMP.register(m, :myf, n, myf, autodiff=true)
    @JuMP.variable(m, x[1:n] >= 0.5)

    @eval @JuMP.NLobjective(m, Min, $(Expr(:call, :myf, [Expr(:ref, :x, i) for i=1:n]...)))
    JuMP.solve(m)
end

testme(3)

谢谢

如中所述，可以在不使用宏的情况下给出目标函数。相关表述：

    JuMP.setNLobjective(m, :Min, Expr(:call, :myf, [x[i] for i=1:n]...))

甚至比基于

@eval

的更简单，并在函数中工作。代码是：

using JuMP, Ipopt

function testme(n)
    myf(a...) = sum(collect(a).^2)

    m = JuMP.Model(solver=Ipopt.IpoptSolver())

    JuMP.register(m, :myf, n, myf, autodiff=true)
    @JuMP.variable(m, x[1:n] >= 0.5)

    JuMP.setNLobjective(m, :Min, Expr(:call, :myf, [x[i] for i=1:n]...))
    JuMP.solve(m)
    return [getvalue(x[i]) for i=1:n]
end

testme(3)

它返回：

julia> testme(3)

:

 EXIT: Optimal Solution Found.
3-element Array{Float64,1}:
 0.5
 0.5
 0.5

---

这对

JuMP

没有帮助，但是如果您真的陷入困境，

NLopt

允许在编译时不知道参数的数量，并且API相对简单。谢谢！我会调查的。这是个好把戏，我自己都没想过。对于阅读本文的任何人，我都要提醒不要使用带有高维输入函数的

autodiff=true

。当前的实现使用的是向前模式AD，随着输入维度的增加，它的伸缩性不好。@mlubin

autodiff

的替代方案是什么？是一个很好的反向模式实现，您可以使用它提供一个渐变函数来跳转。如果

x

的长度

n

，您可以将

[x[i]替换为i=1:n]…

@也许这个例子应该在文档中？我花了一段时间才找到它。