Python GEKKO：非线性优化的优化性能

Question

我正在使用GEKKO‍解决非线性编程问题。我的目标是将GEKKO‍的性能与其他性能进行比较，因此，我想确保从GEKKO‍的性能中获得最大的收益。

有n个二进制变量，每个变量从区间[[[0，1]中分配一个权重。每个约束都是线性的。目标函数是非线性的：它是非零变量的权重的乘积，目标是使乘积最大化。

我首先将目标函数指定为

m.Obj(-np.prod([1 - variables[i] + weights[i] * variables[i] for i in range(len(variables))]))

但是我会碰到APM model error: string > 15000  characters。所以我使用if3函数切换为辅助变量，如[]
aux_variables = [m.if3(variables[i], weights[i], 1) for i in range(len(variables))]
m.Obj(-np.prod(aux_variables))
我要手动设置的唯一全局参数在下面的代码中。
# initialize model

m = GEKKO(remote=False)


# set global variables

m.options.SOLVER = 1 # APOPT solver
# "APOPT is an MINLP solver"
# "APOPT is also the only solver that handles Mixed Integer problems."

m.options.IMODE = 3 # steady state optimization

m.solver_options = ['minlp_maximum_iterations 500', \
                    # minlp iterations with integer solution
                    'minlp_max_iter_with_int_sol 10', \
                    # treat minlp as nlp
                    'minlp_as_nlp 0', \
                    # nlp sub-problem max iterations
                    'nlp_maximum_iterations 50', \
                    # 1 = depth first, 2 = breadth first
                    'minlp_branch_method 1', \
                    # maximum deviation from whole number
                    'minlp_integer_tol 0.05', \
                    # covergence tolerance
                    'minlp_gap_tol 0.01']

# initialize variables
variables = m.Array(m.Var, (number_of_vars), lb=0, ub=1, integer=True)

# set initial values
for var in variables:
    var.value = 1
问题：
还有什么，如果有的话，就全局参数和目标函数的制定而言，我可以针对该特定问题优化GEKKO‍的性能吗？
同时，我希望GEKKO‍产生不错的结果。
我正在使用GEKKO‍解决非线性编程问题。我的目标是将GEKKO‍性能与其他性能进行比较，因此，我想确保从GEKKO‍获得最佳效果...

Answer 1