Pyomo (使用couenne)无法优化>= 3的功率
Pyomo (使用couenne)无法优化>= 3的功率
提问于 2018-08-02 19:31:49
我有一个MINLP问题要解决，当我试图优化它时，它会崩溃。我设法减少了它，但仍然崩溃，并找到了一个可能的罪魁祸首。
约化问题目标函数是一个交替的多项x[n] - x[n-1] + x[n-2] - ...。有一个变量x[k], k=n..1数组，其中索引表示x的指数，还有一个限制数组执行这个指数运算。
对于大于2的权力：
- 如果我直接指数型
x[k] = x[1]**k，就会有一些奇形怪状。 - 如果我级联指数
x[k] = x[k-1]*x[1]，couenne就能正常求解。
所以我的问题是:从求解者的角度看，有什么不同？这是预料中的失败吗？我应该用另一个依赖项重新编译couenne吗？
- 我的环境是Ubuntu18.04。
- 我使用的是通过conda安装的Pyomo5.5(Linux4.15.0-29Generic上的CPython 3.6.5 )。
- 我自己使用默认标志编译了couenne，并下载了以下依赖项(ThirdParties，所有这些依赖项都是使用存储库提供的wget脚本下载的)：ASL、Blas、Lapack、Metis和腮腺炎。我没有下载HSL，SCIP和SoPlex。
下面是测试代码：
#! /usr/bin/env python3
import pyomo.environ
import pyomo.core as pc
from pyomo.opt import SolverFactory
def run(max_pow, cascade):
model = pc.ConcreteModel()
model.s = pc.RangeSet(1, max_pow)
model.x = pc.Var(model.s, bounds=(-1,1))
model.s_rest = pc.Set(initialize=list(ii for ii in model.s)[1:])
## TWO DIFFERENT WAYS OF COMPUTING POWERS ##
if cascade: # x[k] = x[k-1]*x[1]
model.x_c = pc.Constraint(model.s_rest, rule=lambda m, s: m.x[s] == m.x[1]*m.x[s-1])
else: # x[k] = x[1]**k
model.x_c = pc.Constraint(model.s_rest, rule=lambda m, s: m.x[s] == m.x[1]**s)
# Alternating objective function: x[k] - x[k-1] + x[k-2] - ....
def obj(x, s, pos=True):
result = x[s]
if s > 1:
result = result + obj(x, s-1, not pos)
if not pos:
result = -result
return result
model.objective = pc.Objective(rule=lambda m: obj(m.x, max_pow), sense=pc.maximize)
opt = SolverFactory("couenne")
results = opt.solve(model)
model.display()
# Test 3 different cases
for max_pow, cascade in [(2, False,), (3, False,), (3, True)]:
print("\nDegree: {}, cascade: {}".format(max_pow, cascade))
print("-"*25)
try:
run(max_pow, cascade)
except Exception as e:
print(e)以下是研究结果：
Degree: 2, cascade: False
-------------------------
Model unknown
Variables:
x : Size=2, Index=s
Key : Lower : Value : Upper : Fixed : Stale : Domain
1 : -1 : -1.0 : 1 : False : False : Reals
2 : -1 : 1.0 : 1 : False : False : Reals
Objectives:
objective : Size=1, Index=None, Active=True
Key : Active : Value
None : True : 2.0
Constraints:
x_c : Size=1
Key : Lower : Body : Upper
2 : 0.0 : 0.0 : 0.0
Degree: 3, cascade: False
-------------------------
ERROR: Solver (asl) returned non-zero return code (-11)
ERROR: Solver log: Couenne 0.5 -- an Open-Source solver for Mixed Integer
Nonlinear Optimization Mailing list: couenne@list.coin-or.org
Instructions: http://www.coin-or.org/Couenne couenne:
Solver (asl) did not exit normally
Degree: 3, cascade: True
-------------------------
Model unknown
Variables:
x : Size=3, Index=s
Key : Lower : Value : Upper : Fixed : Stale : Domain
1 : -1 : -0.002154434679988468 : 1 : False : False : Reals
2 : -1 : 4.641588790337013e-06 : 1 : False : False : Reals
3 : -1 : -9.999999860147783e-09 : 1 : False : False : Reals
Objectives:
objective : Size=1, Index=None, Active=True
Key : Active : Value
None : True : 0.002149783091198271
Constraints:
x_c : Size=2
Key : Lower : Body : Upper
2 : 0.0 : 0.0 : 0.0
3 : 0.0 : 0.0 : 0.0回答 1
Stack Overflow用户
发布于 2018-08-02 20:10:44
Pyomo倾向于将模型完全按照您所制定的方式发送给求解者，除非您应用了一些高级转换(如GDP或DAE)。
对于许多求解者来说，表单x * x * x的表达式处理方式与x ** 3不同。在某些系统中，甚至x ** 2、pow(x, 2)和sqr(x)也会给出不同的行为。虽然数学上是等价的，但对边界行为和域限制的处理可能有所不同。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51660932
复制相关文章
相似问题
腾讯云开发者
