時間最優控制範例 GEKKO
我正在嘗試在 gekko 中實現時間最優控制問題。特別是,我複製了這個簡短的程式碼片段。 為了實用性也在這裡報告:
from gekko import GEKKO import matplotlib.pyplot as plt import numpy as np # set up the gekko model m = GEKKO() # set up the time (minimize the time with time scaling) m.time = np.linspace(0, 1, 100) # set up the variables POSITION = m.Var(value=0, ub=330, lb=0) VELOCITY = m.Var(value=0, ub=33, lb=0) m.fix_final(VELOCITY, 0) m.fix_final(POSITION, 300) # set up the value we modify over the horizon tf = m.FV(value=500, lb=0.1) tf.STATUS = 1 # set up the MV u = m.MV(integer=True, lb=-2, ub=1) u.STATUS = 1 # set up the equations m.Equation(POSITION.dt() / tf == VELOCITY) m.Equation(VELOCITY.dt() / tf == u) # set the objective m.Obj(tf) # set up the options m.options.IMODE = 6 # optimal control m.options.SOLVER = 3 # IPOPT # solve m.solve(disp=False) # print the time print("Total time taken: " + str(tf.NEWVAL)) # plot the results plt.figure() plt.subplot(211) plt.plot(np.linspace(0,1,100)*tf.NEWVAL, POSITION, label='Position') plt.plot(np.linspace(0,1,100)*tf.NEWVAL, VELOCITY, label='Velocity') plt.ylabel('Z') plt.legend() plt.subplot(212) plt.plot(np.linspace(0,1,100)*tf.NEWVAL, u, label=r'$u$') plt.ylabel('u') plt.xlabel('Time') plt.legend() plt.show()
照原樣,它運作得很好,但是當我想刪除對 velocity 最終值的限制時。
如果我註解 m.fix_final(velocity, 0)
行,結果不會改變。無論如何,它似乎假設最終速度應該為零。此外,如果我將最終速度從零更改為任何其他數字,我會從 gekko 收到錯誤: exception: @error: solution not found
。
該解決方案應該很容易找到,特別是如果對最終速度沒有施加任何約束,則最佳控制將是在整個時間內保持加速()。
任何幫助將不勝感激! :)
正確答案
將最終約束從m.fix_final(velocity, 0)
和m.fix_final(position, 300)
更改為:
p = np.zeros(100); p[-1] = 1 last = m.Param(p) m.Equation(last*(POSITION-300)>=0)
這在最後一個節點應用了不等式約束,以便 position>=300
,但它也可以是等式約束。如果不可行的解決方案阻止求解器實現最終條件,我們有時也會使用軟約束,例如 m.minimize(last*(position-300)**2)
。相反,它會嘗試使解決方案盡可能接近最終約束。當使用 m.fix_final()
固定最終值時,導數也固定為零,因為不再計算該變數。這是 gekko 的已知限制,如此處所述。
以上是時間最優控制範例 GEKKO的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在開發效率上優於C ,但C 在執行性能上更高。 1.Python的簡潔語法和豐富庫提高開發效率。 2.C 的編譯型特性和硬件控制提升執行性能。選擇時需根據項目需求權衡開發速度與執行效率。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。

pythonlistsarepartofthestAndArdLibrary,herilearRaysarenot.listsarebuilt-In,多功能,和Rused ForStoringCollections,而EasaraySaraySaraySaraysaraySaraySaraysaraySaraysarrayModuleandleandleandlesscommonlyusedDduetolimitedFunctionalityFunctionalityFunctionality。

每天學習Python兩個小時是否足夠?這取決於你的目標和學習方法。 1)制定清晰的學習計劃,2)選擇合適的學習資源和方法,3)動手實踐和復習鞏固,可以在這段時間內逐步掌握Python的基本知識和高級功能。
