JuMP - MethodError: `getindex` не имеет метода, соответствующего getindex (:: Function, :: Int64)

Question

Мне нужно вычислить идеальный вектор этой многоцелевой задачи. Я не могу получить доступ к первой и второй функции functs_BK1() в объекте @objective. Любая идея, как я мог бы сделать все динамические и поддерживающие n-функции?

using JuMP 
using Ipopt 


function functs_BK1(x::Vector) 
    f = zeros(2) 
    f[1] = x[1]^2 + x[2]^2 
    f[2] = (x[1]-5.0)^2 + (x[2]-5.0)^2 

    return f 
end 

function bounds_BK1() 
    return ([-5.0;-5.0],[10.0;10.0]) 
end 


m = Model(solver=IpoptSolver(print_level=0)) 
@variable(m, x[i=1:2]) 

@NLexpression(m, F1, functs_BK1()[1]) #<--- Problem is here 
@NLexpression(m, F2, functs_BK1()[2]) #<--- here 

@constraint(m, x .>= bounds_BK1()[1]) 
@constraint(m, x .<= bounds_BK1()[2]) 
s=solve(m) 

Answer 1

В функции functs_BK1 вы определили f быть массивом Float64 значений, в то время как @NLexpression макрос должен создать искомое выражение из прыжковых переменных в качестве третьего аргумента. Как указано в JuMP documentation for Nonlinear Expressions, все нелинейные выражения должны быть определены внутри макроса @NLexpression, а AffExpr и QuadExpr объекты в настоящее время не могут использоваться внутри макроса @NLexpression.

Следующий набор команд приводит к нахождению решения через solve операции:

julia> using JuMP 

julia> using Ipopt 

julia> m = Model(solver=IpoptSolver(print_level=0)) 
Feasibility problem with: 
* 0 linear constraints 
* 0 variables 
Solver is Ipopt 

julia> @variable(m, x[i=1:2]) 
2-element Array{JuMP.Variable,1}: 
x[1] 
x[2] 

julia> function bounds_BK1() 
      return ([-5.0;-5.0],[10.0;10.0]) 
     end 
bounds_BK1 (generic function with 1 method) 

julia> @NLexpression(m, F1, x[1]^2 + x[2]^2) 
JuMP.NonlinearExpression(Feasibility problem with: 
* 0 linear constraints 
* 2 variables 
Solver is Ipopt,1) 

julia> @NLexpression(m, F2, (x[1]-5.0)^2 + (x[2]-5.0)^2) 
JuMP.NonlinearExpression(Feasibility problem with: 
* 0 linear constraints 
* 2 variables 
Solver is Ipopt,2) 

julia> @constraint(m, x .>= bounds_BK1()[1]) 
2-element Array{JuMP.ConstraintRef{JuMP.Model,JuMP.GenericRangeConstraint{JuMP.GenericAffExpr{Float64,JuMP.Variable}}},1}: 
x[1] ≥ -5 
x[2] ≥ -5 

julia> @constraint(m, x .<= bounds_BK1()[2]) 
2-element Array{JuMP.ConstraintRef{JuMP.Model,JuMP.GenericRangeConstraint{JuMP.GenericAffExpr{Float64,JuMP.Variable}}},1}: 
x[1] ≤ 10 
x[2] ≤ 10 

julia> s = solve(m) 

****************************************************************************** 
This program contains Ipopt, a library for large-scale nonlinear optimization. 
Ipopt is released as open source code under the Eclipse Public License (EPL). 
     For more information visit http://projects.coin-or.org/Ipopt 
****************************************************************************** 

:Optimal 

julia> getvalue(x) 
2-element Array{Float64,1}: 
0.261454 
0.261454 

Я не верю, что это возможно в настоящее время для вас, чтобы создать массив выражений в вашем functs_BK1, что будет позже передаваться в @NLexpression. В настоящее время необходимо передать скалярные выражения переменных JuMP непосредственно в качестве аргументов @NLexpression.