NLP(非线性规划)
NLP(非线性规划)
Section titled “NLP(非线性规划)”NLP 是 Nonlinear programming(非线性规划)的缩写,通常指目标函数和约束条件至少一个为非线性的数学规划问题,用于在给定可行域内求目标的最优解和最优值。
NLP 模式求解带可选约束和变量边界的连续实数最优化问题;目标/约束可为非线性,也可用于简单线性目标。此入口没有 MILP 的变量类型码,不提供整数或二进制最优化。
先运行最小示例
Section titled “先运行最小示例”在浏览器选择 NLP,输入下面的完整模型,或用 Import 导入模型文本。点击 Check model 查看变量与约束数量,确认 2 个连续变量、1 条区间约束,再点击 Solve。在右侧 Simple 查看变量,切换 Verbose 查看目标值、状态与约束值。
第一段为目标,最后一段必须声明全部变量;中间约束可省略:
x^2+y^2;x+y-1:[0/0];x:[-10/10/0],y:[-10/10/0]此例也可下载等式约束模型后通过 Import 打开,参考解 x=y=0.5,目标值为 0.5。
先写目标函数,再逐条写约束,最后列出全部变量。此模式只使用连续实数变量:
<目标表达式>;<约束表达式1>:[<下界1>/<上界1>];<约束表达式2>:[<下界2>/<上界2>];<变量名1>:[<下界>/<上界>/<初值>],<变量名2>:[<下界>/<上界>/<初值>]上下界某一侧留空表示不设这一侧边界。变量可省略 /初值,简写为 变量:[下界/上界];约束只有下界和上界两项,不能填初值。冒号与方括号均需保留,例如上界约束应写 x:[/3]。
目标、约束与变量写法
Section titled “目标、约束与变量写法”目标可写 min(表达式) 或 max(表达式),省略方向默认最小化。最大化时显示目标值有符号约定,见本页的结果检查。
约束固定使用 表达式:[下界/上界],上下界是求解前已知的常数表达式,不能把另一未知量填进边界槽:
| 约束写法 | 意义 |
|---|---|
x+y:[1/1] | x+y=1 |
x^2+y^2:[/1] | x^2+y^2<=1 |
x*y:[2/] | x*y>=2 |
x+y:[0/3] | 双侧区间约束 |
不能直接用 MILP 的比较表达式代替区间,也不能给约束写三段 /初值。例如 x<=y 应移项写成 x-y:[/0],不要写成 x:[/y];变量末段的上下界同样不能依赖待求变量。
变量格式为 名称:[下界/上界] 或 名称:[下界/上界/初值]。冒号不可省略:x:[/3] 表示仅给上界。
| 变量写法 | 意义 |
|---|---|
x:[1/5] | 1<=x<=5,未指定初值 |
x:[/3] | 只给上界 3 |
x:[0/] | 只给下界 0 |
x:[//1] | 无显式边界,初值 1 |
x:[0/1/0.2] | 边界 [0,1],初值 0.2 |
下面的仅含变量边界模型没有中间约束:
x^2;x:[1/3/2]参考结果接近 x=1、目标值 1,可能有 Ipopt 数值容差造成的轻微边界偏移。
带等式与不等式的完整示例
Section titled “带等式与不等式的完整示例”以下模型同时包含乘积不等式、平方和等式、变量边界和显式初值。选择 NLP,输入全文,点击 Check model 检查 5 个变量和 2 条约束,再点击 Solve:
x1*x4*(x1+x2+x3)+x3;x1*x2*x3*x4:[25/];x1^2+x2^2+x3^2+x4^2:[40/40];x1:[1/5/1],x2:[1/5/5],x3:[1/5/5],x4:[1/5/1],x5:[1/5/3]目标未写 min,因此按最小化处理。第一条约束要求乘积不小于 25;第二条用相同的上下界表示平方和等于 40。所有变量均在 [1,5] 中,第三个槽位给初值。
一组可供代回检查的近似最优变量为:
x1: 1x2: 4.74299964x3: 3.82114998x4: 1.37940829x5: 3代入得到乘积约 25、平方和约 40,目标约 17.0140173。实际末位受求解状态、容差与初值影响,x1 也可能显示为略小于 1 的数。
x5 没有参与目标或约束;只要在 [1,5] 中,其值不影响最优目标,因此不应要求每次都得到同一个 x5。若模型确实只需要前四个变量,可以删去 x5 的声明;这里保留它来说明冗余变量与结果非唯一性。
第一条也可写成 x1*x2*x3*x4:[25/2e19],这表示一个很大的有限上界。此例由每个变量不超过 5 已知乘积不超过 625,两种写法的可行域相同;一般模型中仍应依据数学要求选择有限上界或空上界。
检查结果:状态、可行性与目标
Section titled “检查结果:状态、可行性与目标”在右侧点击 Verbose 查看状态、目标及约束值。SolveSucceeded 表示求解成功,SolvedToAcceptableLevel 表示达到可接受精度;未取得可接受解时可能显示 Unconverged。约束值按模型中约束出现的顺序排列,编号从 0 开始,是表达式的计算值,应逐项与上下界比较。解的精度、局部性和可行性须结合状态与残差检查,不保证任意非凸模型的全局最优。
最大化示例:
max(x);x:[0/1/0.5]数学最优点为 x=1,原目标为 1;当前界面的 Objective value 接近 -1,显示的是转为最小化后的 -x 目标值,尚未还原符号。验证最大化结果时请重新代入原目标,不要按显示值直接比较。
边界、初值与使用限制
Section titled “边界、初值与使用限制”不设置某侧边界时保留空槽即可,无需自己写 2e19 等大数模拟无界。边界和初值可填求解前已知的表达式,但 /、, 同时是格式分隔符,复杂公式容易被拆开;优先填写已算好的数值或空边界。
未指定初值时,按已写边界生成:
| 已写边界 | 默认初值 |
|---|---|
| 无边界 | 0 |
| 仅下界 | 下界加 1 |
| 仅上界 | 上界减 1 |
| 两侧都有 | 中点 |
显式初值优先,Ipopt 可进一步调整初始点;难收敛问题应提供定义域内的合理初值。
当前 NLP 使用 Ipopt 进行迭代求解,默认最多 500 次、容差 1e-6。Settings 尚未开放求解参数设置。难收敛时,先检查边界、函数定义域和初值;不要只因显示了变量就忽略可行性检查。
检查完成后可点击 Export 下载变量 CSV;要同时保留状态、约束值和显示目标,可切到 Verbose 后使用 Copy。原始模型需另存为文本。