MINLP в Юлии с использованием можжевельника - PullRequest
Новая
       93

MINLP в Юлии с использованием можжевельника

0 голосов
/ 11 февраля 2020

Я пытаюсь решить MINLP с двоичными переменными в Джулии. У меня есть пользовательская целевая функция c, которая является нелинейной, и у меня есть нелинейные и линейные ограничения. Я пытался решить проблему с помощью Juniper, но я всегда получаю ошибку KeyError: key :myfunc not found, которую я не понимаю.

Вот пример, где происходит ошибка. 

using Ipopt, JuMP, Juniper
N = 5 

optimizer = Juniper.Optimizer
params = Dict{Symbol,Any}()
params[:nl_solver] = with_optimizer(Ipopt.Optimizer, print_level=0) 
m = Model(with_optimizer(optimizer, params))

@variable(m, z[1:N],binary=true)
@NLconstraint(m,  sum(z[i]*z[i+1] for i=1:N-1) <= 20)
@constraint(m, sum(z[i] for i=1:N) <= 10) 
myfunc(z...) =  sum(sin(i)*z[i]^i for i in 1:length(z))
register(m, :myfunc, N, myfunc, autodiff=true)
@NLobjective(m, Max, myfunc(z...))
m

optimize!(m)
println(JuMP.value.(z))
println(JuMP.objective_value(m))
println(JuMP.termination_status(m))

Do у вас есть идеи, почему возникает ошибка KeyError: key :myfunc not found и как я могу ее исправить?

Спасибо!

1 Ответ

0 голосов
/ 11 февраля 2020

Похоже, что цель должна быть зарегистрирована как в JuMP, так и в Juniper. Вот рабочий пример MINLP, где i) цель является нелинейной, ii) ограничения являются линейными и нелинейными, и iii) переменные являются двоичными. 

using Juniper, Ipopt, JuMP, Cbc # <- last package is optional
N = 4

function myfunction(x...)
    return sum(x[i].^4 for i = 1:length(x))
end


m = Model(
    with_optimizer(
        Juniper.Optimizer;
            nl_solver = with_optimizer(Ipopt.Optimizer, print_level = 0),
            mip_solver = with_optimizer(Cbc.Optimizer, logLevel=0), # <- optional
            registered_functions = [
                Juniper.register(:myfunction,  N, myfunction; autodiff = true)
            ]
        )
    )
register(m, :myfunction, N, myfunction; autodiff = true)
@variable(m, x[1:N], Bin)
@NLconstraint(m, sum(sin(x[i]^2) for i=1:N) <= 4)   
@constraint(m, x[1]+x[2]+x[3] <= 2)   
@NLobjective(m, Max, myfunction(x...))
optimize!(m)
println(JuMP.value.(x))
println(JuMP.objective_value(m))
println(JuMP.termination_status(m))

Вот результат вывод: 

nl_solver             : OptimizerFactory(Ipopt.Optimizer, (), Base.Iterators.Pairs(:print_level => 0))
mip_solver            : OptimizerFactory(Cbc.Optimizer, (), Base.Iterators.Pairs(:logLevel => 0))
log_levels            : Symbol[:Options, :Table, :Info]
registered_functions  : Juniper.RegisteredFunction[Juniper.RegisteredFunction(:myfunction, 4, myfunction, nothing, nothing, true)]

#Variables: 4
#IntBinVar: 4
#Constraints: 2
#Linear Constraints: 1
#Quadratic Constraints: 0
#NonLinear Constraints: 1
Obj Sense: Max

Incumbent using start values: 0.0
Status of relaxation: LOCALLY_SOLVED
Time for relaxation: 0.19966506958007812
Relaxation Obj: 1.5925926562762966

       MIPobj              NLPobj       Time 
=============================================
       1.3333               0.0          0.0 

FP: 0.00896906852722168 s
FP: 1 round
FP: Obj: 3.0

 ONodes   CLevel          Incumbent                   BestBound            Gap    Time   Restarts  GainGap  
============================================================================================================
    0       2                3.0                         1.59            46.91%   0.1       0         -     

#branches: 1
Obj: 3.000000119960002
[1.0, 0.0, 1.0, 1.0]
3.000000119960002
LOCALLY_SOLVED
...