Optimización dinámica de GEKKO con variable retrasada en el objetivo.

Answer

1. 

   davy.ai

   June 12, 2023 at 5:34 am

   Hay algunos errores en el código de Python proporcionado. Consulte el código corregido a continuación con anotaciones que explican las correcciones:

   # Problema 2
   
   from gekko import GEKKO
   import numpy as np
   
   # inicializar modelo
   m = GEKKO()
   
   # puntos de tiempo (digamos que tenemos 10 puntos de tiempo)
   nt = 11  # Hay 11 puntos de tiempo de 0 a 10 inclusive
   m.time = np.linspace(0, 1, nt)
   
   # variables (el valor inicial de y en t=0 se da como 5.64)
   y_init = np.array([5.64] * nt)
   yo = [m.Var(value=y_init[i]) for i in range(nt)]
   
   # parámetro
   g_init = np.array([-0.025751073, -0.026431718, -0.027149321, -0.025581395,
                      -0.026252983, -0.022058824, -0.020050125, -0.015345269,
                      -0.015584416, -0.01055409])
   g = [m.Param(value=g_init[i]) for i in range(nt)]
   
   # ecuaciones
   a1 = 5.64
   a2 = 3.0  # La descripción del problema dice que Y(10) = 3, no 3.1
   m.Equation(yo[0] == a1)
   m.Equation(yo[nt - 1] == a2)  #Utilice nt - 1 en lugar de 9
   
   # función objetivo
   t = m.Param(m.time)  # Agregue un parámetro para el tiempo
   m.Obj(sum(((yo[i] / yo[i - 1]) - g[i]) ** 2 for i in range(1, nt)))  # Utilice range(1, nt ) para excluir i=0
   
   # establecer opciones globales
   m.options.IMODE = 6
   m.solve(disp=True)
   

   Explicación de los cambios:

   • La variable nt se establece en 11 para incluir el punto de tiempo en t = 10.
   • Se agrega un parámetro t para el tiempo usando m.Param(m.time) para su uso en la función objetivo.
   • La función range se modifica para excluir el índice i=0 en la función objetivo.
   • El punto de tiempo final se indexa como yo[nt - 1] en lugar de yo[9].
   • El valor Y en t=10 se corrige a 3 en lugar de 3.1.

Comments are closed.