pyomo - 使用 Mindtpy 解决 MINLP 时的 INFO 消息

我是 Pyomo 的新手，我使用 Mindtpy 来解决 MINLP。我将求解器称为如下： SolverFactory('mindtpy').solve(model, mip_solver='glpk', nlp_solver='ipopt')

在解决过程中，我收到以下 INFO 消息：

信息：---启动 MindtPy---

INFO：原始模型有 20 个约束（0 个非线性）和 0 个析取，有 11 个变量，其中 2 个是二元的，0 个是整数，9 个是连续的。

信息：目标是非线性的。将其移动到约束集。

信息：rNLP 是正在使用的初始策略。

信息：NLP 1：解决松弛完整性

信息：NLP 1：OBJ：6871.59391303651 LB：-inf UB：inf

信息：---MindtPy 主迭代 0---

信息：MIP 1：解决主问题。警告：主 MILP 不受限制。用任意边界值解析

(-1e+15, 1e+15) on the objective. You can change this bound with the
option obj_bound.

信息：NLP 2：解决固定二进制文件的子问题。

信息：NLP 2：OBJ：6869.681528919004 LB：6869.681528919004 UB：inf

信息：---MindtPy 主迭代 1---

信息：MIP 2：解决主问题。

信息：MIP 2：OBJ：1000000000000000.0 LB：6869.681528919004 UB：1000000000000000.0

信息：循环发生在 2 次主迭代之后。当 NLP 子问题违反约束条件时，就会发生此问题。不能保证收敛到最优解。

信息：最终界限值：LB：6869.681528919004 UB：1000000000000000.0

最终返回的解决方案与 LB (6869.681528919004) 具有相同的值。

我在问最后一条 INFO 消息的含义是什么：循环发生在 2 次主迭代之后。当 NLP 子问题违反约束条件时，就会发生此问题。不能保证收敛到最优解。这是否意味着问题不可行或者我必须在解决之前指定其他参数？

先感谢您

穆拉德

标签： pyomo