Python 在gekko中定义最大函数时出错

在gekkopython中定义max函数时遇到问题

sum函数工作正常，但当我创建另一个函数时，只是用max替换sum，然后抛出以下错误：

这是我使用的脚本的描述（包括模型、一些数据和结果）

#模型
将numpy作为np导入
从gekko进口gekko
将numpy作为np导入
作为pd进口熊猫
来自《熊猫》的作者
从导入Excel文件
m=GEKKO（）#初始化GEKKO
m、 options.SOLVER=3#IPOPT是NLP解算器
m、 options.MAX_ITER=10000#最大迭代次数
m、 options.MAX_MEMORY=6#（2-10）内存分配
R_sect_bin={'W1'：{'S1'：1}，'W2'：{'S1'：1，'S2'：1，'S4'：1}，'W3'：{'S1'：1，'S2'：1，'S3'：1，'S4'：1}，'W4'：{'S4'：1，'S5'：1，'S6'：1}，'W6'：{'S6'：1}，'
输入服务非零={'S1'：{'L1'：1，'L3'：1}，'S2'：{'L2'：1}，'S3'：{'L4'：1}，'S4'：{'L1'：1}，'S5'：{'L3'：1}，'S6'：{'L1'：1，'L2'：1}
V={}
对于R_sect_bin中的w：
V[w]={}
对于R_sect_bin[w]中的s：
V[w][s]={}
对于输入\u服务\u非零[s]中的l：
V[w][s][l]=m.Var（值=10，磅=0，磅=100）
#职能：
sum_Vws1={}
def VWS1（）：
全局和Vws1
对于R_sect_bin中的w：
sum_Vws1[w]={}
对于R_sect_bin[w]中的s：
sum_Vws1[w][s]=m.Intermediate（输入服务中l的sum（[V[w][s][l]））
返回和Vws1
vws1=vws1（）
sum_Vws2={}
def VWS2（）：
全局和Vws2
对于R_sect_bin中的w：
sum_Vws2[w]={}
对于R_sect_bin[w]中的s：
sum_Vws2[w][s]=m.Intermediate（输入服务中l的最大值（[V[w][s][l]））
返回和_Vws2
vws2=vws2（）

TypeError回溯（最近一次调用）
在里面
89和Vws2[w][s]=m.中间值（输入服务中l的最大值（[V[w][s][l]））
90返回和_Vws2
--->91 vws2=vws2（）
92
93#sum_Vws={}
在VWS2（）中
87和Vws2[w]={}
88对于R_sect_bin[w]中的s：
--->89和Vws2[w][s]=m.中间值（输入服务中l的最大值（[V[w][s][l]））
90返回和_Vws2
91 vws2=vws2（）
~\Anaconda3\lib\site packages\gekko\gk\u operators.py in\uuuu\u len\uu（self）
23返回自己的名字
24 def____________（自）：
--->25返回长度（自身值）
26 def_uugetItem_uu（self，key）：
27返回自身值[键]
~\Anaconda3\lib\site packages\gekko\gk\u operators.py in\uuuu\u len\uu（self）
132
133定义长度（自）：
-->134返回长度（自身值）
135
136 def_uuugetItem_uuuu（自身，密钥）：
TypeError:类型为“int”的对象没有len（）

何登仁教授的回答：

您需要使用内置的GEKKO

max2

或

max3

函数。否则，Python函数将创建一个没有连续的一阶或二阶导数的表达式，并且基于梯度的解算器可能无法找到解决方案

要使用

max2

或

max3

gekko函数，您需要使用pip install gekko==0.2rc6升级到最新的gekko版本（>0.2rc5）

下面是

max2

或

max3

的源代码，您也可以在中找到

def max2（自身、x1、x2）： “”“生成第一个和第二个连续的最大值。” 二阶导数。最大值（max）的传统方法不适用 连续可微，可导致基于梯度的优化器 未能趋同。 用法：y=m.max2（x1，x2） 输入：GEKKO变量、参数或表达式 输出：GEKKO变量 """ #验证x1和x2是否为有效的GEKKO变量或参数 如果isinstance（x1，（GK变量，GK参数））： xin1=x1 其他： #如果是表达式，则创建输入变量 xin1=self.Var（） 自方程（xin1==x1） 如果isinstance（x2，（gk变量，gk参数））： xin2=x2 其他： #如果是表达式，则创建输入变量 xin2=self.Var（） 自回归方程（xin2==x2） #生成具有唯一对象名称的max对象 max_name='max2_'+str（len（self._对象）+1） self.\u objects.append（max\u name+'=max'） #在x和最大对象属性x之间添加连接 self._connections.append（xin1.name+'='+max_name+'.x[1]'）） self._connections.append（xin2.name+'='+max_name+'.x[2]'）） #在y和最大对象属性y之间添加连接 y=self.Var（） self._connections.append（y.name+'='+max_name+'.y'） 返回y def max3（自身、x1、x2）： “”“使用二进制开关变量生成最大值。”。 传统的求最大值（max）的方法是不连续的 可微，并可能导致基于梯度的优化器失败 汇聚。 用法：y=m.max3（x1，x2） 输入：GEKKO变量、参数或表达式 输出：GEKKO变量 """ #添加二进制（intb）和输出（y）变量 intb=self.Var（0，lb=0，ub=1，integer=True） y=self.Var（） #添加切换条件的方程式 #当x1>x2且y=x1时，intb=0 #当x2>x1且y=x2时，intb=1 自方程（（1-intb）*（x2-x1）