Python 优化自定义函数时使用Pyomo/Ipopt获得的错误

我是Pyomo和Ipopt的新手。我想用这些工具优化一个非线性优化问题。我在尝试优化函数时出错

我一直在使用Pyomo提供的示例。我的问题的主要区别在于，我想在一个单独的函数中定义目标函数，并且它意味着与numpy数组的一些乘法，但我认为它们都可以用Pyomo来处理

我已经尽可能地简化了我的问题（当然，从优化的角度来看，这毫无意义，但它只是为了说明问题）。我的问题是：

import numpy as np
from pyomo.environ import *

def myfunc(model, extra_param):
    matrix_A=np.sin(np.random.rand(100,100))+extra_param
    return sum(model.x*matrix_A-extra_param)

extra_param=5
model = ConcreteModel()
model.IDX=range(100)
model.x = Var(model.IDX,bounds=(0,1.), initialize=0.99)
model.obj=Objective(expr = myfunc(model,extra_param))
model.pprint()
solver = SolverFactory('ipopt')
solver.solve(model, tee=True)

我得到以下信息：

Ipopt 3.11.1: C:\Users\A\Anaconda3\Library\bin\ipopt.exe: jacdim: got M = 0, N = 0, NO = 1
ERROR: Solver (ipopt) returned non-zero return code (1)
ERROR: See the solver log above for diagnostic information.

---

您遇到的问题是，您的目标函数没有返回导致标量值的表达式（您可以通过检查

model.obj.pprint（）

的结果看到这一点）

像这样的东西可能会满足您的需求：

def myfunc(model, extra_param):
    matrix_A=np.sin(np.random.rand(100,1)).flatten() + extra_param
    return sum(matrix_A[i] * model.x[i] for i in model.IDX)

---

请注意，我用

（100,1）

更改了

（100100）

函数中的

（100100）

部分，因为变量

model.x

是一个向量。另外，

.flatte（）

方法会将数组折叠成一维。

我不推荐在目标中使用随机数生成器。谢谢Erwin的评论。是的，从优化的角度来看，这确实没有意义（我用一些第三方数据替换随机矩阵只是为了简化问题）。但是，在目标函数中使用和不使用随机数生成器时，我得到了相同的错误。感谢您的评论，非常有用！事实上，当我简化我的问题时，我遇到了维度问题。对于我的实际问题，我需要矩阵A仍然是一个二维数组，因为目标函数是：obj=sum（vector1+vector2），其中每个向量都是通过乘法得到的，比如：vector1（dim n，dim 1）=（矩阵（dim n，dim）*model.x（dim，dim 1）**2（数组中每个元素的幂）.与vector2相同，但使用不同的矩阵。我是否也应该尝试折叠为1D数组？很高兴这很有用。您的公式从数学角度来看是有意义的，但请小心，因为某些乘法的Pyomo表示法可能不同（例如，请参阅我的

return

语句与您的语句中的差异）。通常，检查一切是否正常的简单方法是在目标上使用

.pprint（）

方法，并查看表达式是否存在实际表达式或其他需要更正的内容（例如Numpy数组）。