Optimization 使用数组模型函数初始化gekko中的变量

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函数生成整数变量数组

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

• 我将单个变量作为整数变量： 我的变量是一个整数，变量=m.var（0，lb=0，ub=1，integer=True）

• 我有一个非整数变量的变量数组： my_array_vars_不是整数_vars=m.array（m.Var，（42，42））

• 我想要一个整数变量数组：我的数组变量是整数变量（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:\Users\wills\Anaconda3\lib\site-packages\gekko\gekko.py", line 
 1831, in Array
    i[...] = f(**args)
TypeError: 'GKVariable' object is not callable

回溯（最近一次呼叫最后一次）：
文件“integer_array.py”，第7行，在
my_array_vars_不是整数_vars=m.array（m.Var（0，lb=0，ub=1，
整数=真，（42,42））
文件“C:\Users\wills\Anaconda3\lib\site packages\gekko\gekko.py”，第行
1831年，在阵列中
i[…]=f（**args）
TypeError:“GKVariable”对象不可调用

如果在创建变量数组时需要传递其他参数，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） 使用带有附加参数的m.array函数创建numpy数组

integer=True

：

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

选项2 创建具有列表理解功能的二维变量列表：

y=[[m.Var（lb=0，ub=1，integer=True）（对于范围（42）中的i）]对于范围（42）中的j]

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中

y=[[None]*42]*42
对于范围（42）内的i：
对于范围（42）内的j：
y[i][j]=m.Var（lb=0，ub=1，integer=True）

创建变量后可以更改上限和下限，但

integer

选项仅在初始化时可用。不要忘记使用

m.options.SOLVER=1

切换到整数变量解决方案。下面是一个完整的示例，它使用了所有三个选项，但带有

x

、

y

和

z

的

3x4

数组

从gekko导入gekko
将numpy作为np导入
m=GEKKO（）
#选择1
x=m.Array（m.Var，（3,4），lb=0，ub=1，integer=True）
#选择2
y=[[m.Var（lb=0，ub=1，integer=True）（对于范围（4）中的i）]对于范围（3）中的j]
#选择3
z=[[None]*4]*3
对于范围（3）中的i：
对于范围（4）内的j：
z[i][j]=m.Var（lb=0，ub=1，integer=True）
#切换到APOPT
m、 options.SOLVER=1
#定义目标函数
m、 Obj（m.sum（x））
m、 Obj（m.sum（np.array（y）））
m、 Obj（m.sum（np.array（z）））
#定义方程
m、 方程（x[1,2]==0）
m、 方程（m.sum（x[：，0]）==2）
m、 方程（m.sum（x[：，1]）==3）
m、 方程（m.sum（x[2，：]）==1）
m、 求解（disp=True）
打印（x）

目标是最小化

x

、

y

和

z

中所有元素的总和，但

x

的元素、行和列上存在某些约束。解决办法是：

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