Optimization 不可行性（LHS=0，INFES=1****）和局部最优

我已经制定了一个NLP问题，在解决后，我得到以下输出

Iter Phase Ninf Infeasibility RGmax NSB Step InItr MX OK
0 0 2.0000000000E+01 (Input point)

Pre-triangular equations: 15
Post-triangular equations: 36

1 0 0.0000000000E+00 (After pre-processing)
2 0 0.0000000000E+00 (After scaling)

** Feasible solution. Value of objective = 62.6329262813

Iter Phase Ninf Objective RGmax NSB Step InItr MX OK
4 3 6.2632926281E+01 0.0E+00 0

** Optimal solution. There are no superbasic variables.

--- Restarting execution
--- _gams_py_gjo0.gms(143) 2 Mb
--- Reading solution for model SP_loc_dep_0
--- Executing after solve: elapsed 0:00:06.836
--- _gams_py_gjo0.gms(141) 3 Mb
*** Status: Normal completion
--- Job _gams_py_gjo0.gms Stop 12/03/17 14:37:32 elapsed 0:00:06.838

我有几个问题

Q1看起来这个过程已经正常完成了。但我的问题是一个凸问题，所以我应该有一个全局最优解。但是，解算器输出局部最优解

Q2在我的方程式中，我看到如下。其中（1）是指数形式。这是否意味着我的约束不可行？我的输出中没有任何不可行性错误

---- P1eqS =E= 


P1eqS(1,1,1).. (1)*alphaS(1,1,1) + P1S(1,1,1) =E= 1 ; (LHS = 0, INFES = 1 ****)
P1eqS(1,2,1).. P1S(1,2,1) =E= 1 ; (LHS = 0, INFES = 1 ****)
P1eqS(2,1,1).. (1)*alphaS(2,1,1) + P1S(2,1,1) =E= 1 ; (LHS = 0, INFES = 1 ****)

（1） 你用Conopt解决了这个NLP问题。Conopt是一个局部解算器，因此它只能保证找到局部解。Conopt不知道模型是否是凸的。（严格检查模型是否是凸的并不是完全不重要的）

（2） 清单文件的片段

P1eqS(1,1,1).. (1)*alphaS(1,1,1) + P1S(1,1,1) =E= 1 ; (LHS = 0, INFES = 1 ****)
P1eqS(1,2,1).. P1S(1,2,1) =E= 1 ; (LHS = 0, INFES = 1 ****)
P1eqS(2,1,1).. (1)*alphaS(2,1,1) + P1S(2,1,1) =E= 1 ; (LHS = 0, INFES = 1 ****)

这是方程式列表。关于不可行性的消息与初始点相关（即，在调用解算器之前）。注意，CONOPT日志确认初始点不可行

清单中的解决方案部分更进一步。

（1）您使用Conopt解决了这个NLP问题。Conopt是一个局部解算器，因此它只能保证找到局部解。Conopt不知道模型是否是凸的。（严格检查模型是否是凸的并不是完全不重要的）

（2） 清单文件的片段

P1eqS(1,1,1).. (1)*alphaS(1,1,1) + P1S(1,1,1) =E= 1 ; (LHS = 0, INFES = 1 ****)
P1eqS(1,2,1).. P1S(1,2,1) =E= 1 ; (LHS = 0, INFES = 1 ****)
P1eqS(2,1,1).. (1)*alphaS(2,1,1) + P1S(2,1,1) =E= 1 ; (LHS = 0, INFES = 1 ****)

这是方程式列表。关于不可行性的消息与初始点相关（即，在调用解算器之前）。注意，CONOPT日志确认初始点不可行

---

清单中的解决方案部分进一步向下。

我对Gams没有任何线索，但是：（1）这个问题似乎很广泛，我认为鉴于这些稀疏的信息，很难提供帮助（2）存在非凸公式的凸优化问题。因此，一个凸问题不一定会导致一个凸优化问题，在这个问题中，解算器会找到全局最优解！我对Gams没有任何线索，但是：（1）这个问题似乎很广泛，而且我认为鉴于这些稀疏的信息，很难帮助解决；（2）存在非凸公式的凸优化问题。因此，一个凸问题不一定会导致一个凸优化问题，在这个问题中，解算器会找到全局最优解！非常感谢。看来我得到了一个可行的，至少是局部最优的解决方案。谢谢。看起来我得到了一个可行的，至少是局部最优的解。