Это впечатляющий размер проблемы MINLP. Чтобы определить, как сделать это быстрее при предварительной обработке, вам нужно собрать некоторую дополнительную информацию о том, где время используется с DIAGLEVEL>=1
.
m.options.DIAGLEVEL = 1
. Это дает отчет о том, как долго принимает для каждого из шагов. Вот пример проблемы MINLP (см. # 10) .
from gekko import GEKKO
m = GEKKO() # Initialize gekko
m.options.SOLVER=1 # APOPT is an MINLP solver
m.options.DIAGLEVEL = 1
# optional solver settings with APOPT
m.solver_options = ['minlp_maximum_iterations 500', \
# minlp iterations with integer solution
'minlp_max_iter_with_int_sol 10', \
# treat minlp as nlp
'minlp_as_nlp 0', \
# nlp sub-problem max iterations
'nlp_maximum_iterations 50', \
# 1 = depth first, 2 = breadth first
'minlp_branch_method 1', \
# maximum deviation from whole number
'minlp_integer_tol 0.05', \
# covergence tolerance
'minlp_gap_tol 0.01']
# Initialize variables
x1 = m.Var(value=1,lb=1,ub=5)
x2 = m.Var(value=5,lb=1,ub=5)
# Integer constraints for x3 and x4
x3 = m.Var(value=5,lb=1,ub=5,integer=True)
x4 = m.Var(value=1,lb=1,ub=5,integer=True)
# Equations
m.Equation(x1*x2*x3*x4>=25)
m.Equation(x1**2+x2**2+x3**2+x4**2==40)
m.Obj(x1*x4*(x1+x2+x3)+x3) # Objective
m.solve(disp=True) # Solve
. Это приводит к следующим результатам синхронизации:
Timer # 1 0.03/ 1 = 0.03 Total system time
Timer # 2 0.02/ 1 = 0.02 Total solve time
Timer # 3 0.00/ 42 = 0.00 Objective Calc: apm_p
Timer # 4 0.00/ 29 = 0.00 Objective Grad: apm_g
Timer # 5 0.00/ 42 = 0.00 Constraint Calc: apm_c
Timer # 6 0.00/ 0 = 0.00 Sparsity: apm_s
Timer # 7 0.00/ 0 = 0.00 1st Deriv #1: apm_a1
Timer # 8 0.00/ 29 = 0.00 1st Deriv #2: apm_a2
Timer # 9 0.00/ 1 = 0.00 Custom Init: apm_custom_init
Timer # 10 0.00/ 1 = 0.00 Mode: apm_node_res::case 0
Timer # 11 0.00/ 1 = 0.00 Mode: apm_node_res::case 1
Timer # 12 0.00/ 1 = 0.00 Mode: apm_node_res::case 2
Timer # 13 0.00/ 1 = 0.00 Mode: apm_node_res::case 3
Timer # 14 0.00/ 89 = 0.00 Mode: apm_node_res::case 4
Timer # 15 0.00/ 58 = 0.00 Mode: apm_node_res::case 5
Timer # 16 0.00/ 0 = 0.00 Mode: apm_node_res::case 6
Timer # 17 0.00/ 29 = 0.00 Base 1st Deriv: apm_jacobian
Timer # 18 0.00/ 29 = 0.00 Base 1st Deriv: apm_condensed_jacobian
Timer # 19 0.00/ 1 = 0.00 Non-zeros: apm_nnz
Timer # 20 0.00/ 0 = 0.00 Count: Division by zero
Timer # 21 0.00/ 0 = 0.00 Count: Argument of LOG10 negative
Timer # 22 0.00/ 0 = 0.00 Count: Argument of LOG negative
Timer # 23 0.00/ 0 = 0.00 Count: Argument of SQRT negative
Timer # 24 0.00/ 0 = 0.00 Count: Argument of ASIN illegal
Timer # 25 0.00/ 0 = 0.00 Count: Argument of ACOS illegal
Timer # 26 0.00/ 1 = 0.00 Extract sparsity: apm_sparsity
Timer # 27 0.00/ 13 = 0.00 Variable ordering: apm_var_order
Timer # 28 0.00/ 1 = 0.00 Condensed sparsity
Timer # 29 0.00/ 0 = 0.00 Hessian Non-zeros
Timer # 30 0.00/ 1 = 0.00 Differentials
Timer # 31 0.00/ 0 = 0.00 Hessian Calculation
Timer # 32 0.00/ 0 = 0.00 Extract Hessian
Timer # 33 0.00/ 1 = 0.00 Base 1st Deriv: apm_jac_order
Timer # 34 0.01/ 1 = 0.01 Solver Setup
Timer # 35 0.00/ 1 = 0.00 Solver Solution
Timer # 36 0.00/ 53 = 0.00 Number of Variables
Timer # 37 0.00/ 35 = 0.00 Number of Equations
Timer # 38 0.01/ 14 = 0.00 File Read/Write
Timer # 39 0.00/ 0 = 0.00 Dynamic Init A
Timer # 40 0.00/ 0 = 0.00 Dynamic Init B
Timer # 41 0.00/ 0 = 0.00 Dynamic Init C
Timer # 42 0.00/ 1 = 0.00 Init: Read APM File
Timer # 43 0.00/ 1 = 0.00 Init: Parse Constants
Timer # 44 0.00/ 1 = 0.00 Init: Model Sizing
Timer # 45 0.00/ 1 = 0.00 Init: Allocate Memory
Timer # 46 0.00/ 1 = 0.00 Init: Parse Model
Timer # 47 0.00/ 1 = 0.00 Init: Check for Duplicates
Timer # 48 0.00/ 1 = 0.00 Init: Compile Equations
Timer # 49 0.00/ 1 = 0.00 Init: Check Uninitialized
Timer # 50 -0.00/ 13 = -0.00 Evaluate Expression Once
Timer # 51 0.00/ 0 = 0.00 Sensitivity Analysis: LU Factorization
Timer # 52 0.00/ 0 = 0.00 Sensitivity Analysis: Gauss Elimination
Timer # 53 0.00/ 0 = 0.00 Sensitivity Analysis: Total Time
APOPT сохраняет экземпляр проблемы между NLP выполняется так, чтобы быстро выполнить переоценку с другими ограничениями, так как он выполняет ветвление и связывание. APOPT использует функцию «горячего старта» для быстрой оценки ограниченных проблем оптимизации НЛП. Однако эта функция горячего старта недоступна для пользователя Gekko. Есть другие решатели, доступные с Gekko (тот, который может быть настроен для MINLP), но они требуют коммерческой лицензии. Есть также бесплатные решатели MINLP, такие как Couenne и Bonmin, которые доступны в COIN-OR, но они еще не поддерживаются. Вы можете добавить запрос для Gekko , если решите, что предварительная обработка APOPT является проблемой, и вы хотите попробовать другой решатель. Вот результат оптимизации, который показывает время для каждой итерации.
----------------------------------------------
Steady State Optimization with APOPT Solver
----------------------------------------------
Iter: 1 I: 0 Tm: 0.00 NLPi: 7 Dpth: 0 Lvs: 3 Obj: 1.70E+01 Gap: NaN
--Integer Solution: 1.75E+01 Lowest Leaf: 1.70E+01 Gap: 3.00E-02
Iter: 2 I: 0 Tm: 0.00 NLPi: 5 Dpth: 1 Lvs: 2 Obj: 1.75E+01 Gap: 3.00E-02
Iter: 3 I: 0 Tm: 0.00 NLPi: 6 Dpth: 1 Lvs: 2 Obj: 1.75E+01 Gap: 3.00E-02
--Integer Solution: 1.75E+01 Lowest Leaf: 1.70E+01 Gap: 3.00E-02
Iter: 4 I: 0 Tm: 0.00 NLPi: 6 Dpth: 2 Lvs: 1 Obj: 2.59E+01 Gap: 3.00E-02
Iter: 5 I: 0 Tm: 0.00 NLPi: 5 Dpth: 1 Lvs: 0 Obj: 2.15E+01 Gap: 3.00E-02
No additional trial points, returning the best integer solution
Successful solution
---------------------------------------------------
Solver : APOPT (v1.0)
Solution time : 1.649999999790452E-002 sec
Objective : 17.5322673012512
Successful solution
---------------------------------------------------
Вот несколько вещей, чтобы попытаться диагностировать или улучшить время решения:
- Попробуйте решатель
IPOPT
для нецелого решения. Требуется ли еще 27 часов, чтобы завершить решение с этим решателем? Это может указывать на то, что APOPT выполняет предварительную обработку решения. - Замените
gekko
константы и параметры на Python с плавающей запятой, где это возможно. Это сокращает время обработки модели. - Использование встроенных объектов gekko , таких как
m.sum()
, вместо функции Python sum
. Как правило, это улучшает производительность обработки модели. - Автоматическое c уменьшение модели с
m.options.REDUCE=3
или ручное уменьшение модели с использованием Intermediate
переменных .