Optimization @NLConstraint与矢量化约束跳转/Julia

我试图解决一个涉及指数和相等的问题

以下是我将如何进行硬编码：

@NLconstraint(m, exp(x[25])==exp(x[14])+exp(x[18]))

这与代码的其余部分配合得很好。然而，当我尝试对一组任意的方程组（如上面所述）进行计算时，我得到了一个错误。这是我的密码：

@NLconstraint(m,[k=1:length(LHSSum)],sum(exp.(LHSSum[k][i]) for i=1:length(LHSSum[k]))==sum(exp.(RHSSum[k][i]) for i=1:length(RHSSum[k])))

其中，

LHSSum

和

RHSSum

是包含需要求幂然后求和的元素数组的数组。也就是说，

LHSSum[1]=[x[1]，x[2]，x[3]，…，x[n]

。其中

x[i]

是类型为

JuMP.Variable

的变量。请注意，

length（LHSSum）=length（RHSSum）

返回的错误为：

LoadError: exp is not defined for type Variable. Are you trying to build a nonlinear problem? Make sure you use @NLconstraint/@NLobjective.

因此，一个简单的解决方案是在

@NLconstraint

函数之外简单地进行所有的求幂和求和，因此输入将是标量。然而，这也带来了一个问题，因为没有定义

exp（x）

，因为x的类型是

JuMP.variable

，而exp期望的类型是real。这很奇怪，因为在

@NLconstraint（）

中调用函数时，我能够很好地计算指数。也就是说，当我编码这一行而不是前面的那一行时，

@NLconstraint（m，exp（x）==exp（z）+exp（y））

不会抛出错误

我想做的另一件事是泰勒级数展开，但这也带来了一个问题，因为当幂大于2时，它会进入

@NLconstraint

land，然后我会遇到同样的矢量化问题

---

所以我觉得被卡住了，我觉得如果跳转允许对

@NLconstraint

进行向量化评估，就像对

@constraint

一样，这甚至不是问题。另一个修复方法是，如果JuMP实现了自己的exp函数，允许对

JuMP.Variable

类型进行幂运算。然而，就目前情况而言，我看不到使用跳转框架解决这个问题的方法。你们中有谁有办法解决这个问题吗？我缺少任何聪明的解决方法吗？

我不明白为什么在您编写的表达式中没有使用

I

。你是说：

@NLconstraint(m, [k = 1:length(LHSSum)],
              sum(exp(LHSSum[k][i]) for i in 1:length(LHSSum[k]))
              ==
              sum(exp(RHSSum[k][i]) for i in 1:length(RHSSum[k])))

---

是的，没错。我修复了这个问题，但是，我仍然得到一个错误：error:LoadError:exp没有为类型变量定义。你是在试图建立一个非线性问题吗？请确保使用@NLconstraint/@NLobjective…以下是更新的代码：

@NLconstraint（m[k=1:length（lhsum）]，sum（exp.（lhsum[k][i]）表示i=1:length（LHSSum[k]）==sum（exp.（RHSSum[k][i]）表示i=1:length（RHSSum[k]）

如果我理解正确，

lhsum[k][i]是一个标量跳转变量。您应该能够编写
exp（lhsum[k][i]）
而不是
exp.（lhsum[k][i]）
。