from pyomo.environ import *
from pyomo.opt import SolverFactory, ProblemFormat
m = ConcreteModel()
m.i = Set(initialize=[1, 2, 3])
init_vals = {1:25E+07, 2:0.0, 3:0.0}
#: Variables
m.x = Var(m.i, initialize=init_vals)
#: Objective
m.oF = Objective(expr=m.x[1]**2 +m.x[2]**2 + m.x[3]**2,
sense=minimize)
ipopt = SolverFactory('ipopt')
ipopt.solve(m, tee=True)
我想使用拉格朗日的 hessian 和梯度来计算 KKT 矩阵，以实现 NLP 灵敏度。 我怎样才能从 IPOPT 求解器的结果中得到这些...我尝试 ipopt.hessian()，但它没有给出任何东西。请给我一些帮助。
最佳答案
我认为有一种方法可以使用 sIPOPT 和后缀来做到这一点(请参阅 sIPOPT 文档)，但更简单的方法可能是使用 Pyomo 的贡献包 PyNumero。您可以找到构建 KKT 矩阵并提取敏感性的示例 here您可以找到 PyNumero here 的安装说明
关于python - 如何使用 Python 和 Pyomo 与 Ipopt 获取 Hessian 和拉格朗日梯度来计算 KKT 矩阵，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59515369/