Gekko处理代数/隐式循环
Kik*_*all 5 iteration implicit gekko
关于Gekko的代数/隐式循环处理，我有一个特定的问题。
我将在化学工程领域提供示例，因为这是我找到该项目及其其他库的方式。
例如，在进行多组分化学平衡计算时，不可能明确地计算出方程式，因为一种物质的浓度可能存在于许多不同的方程式中。
过去我一直在使用其他付费软件，它会根据系统的可解决性自动提出解决程序（通过分析依赖关系并创建自动代数循环）。
我的问题是：
Gekko是否会自动执行此操作？
这有点棘手，因为有时需要添加撕裂变量并从一个好的起始值开始迭代。
我知道此消息可能有点抽象，但是我正在尝试确定要用于工作的软件，这是我碰巧发现的务实瓶颈。
在此先感谢您的宝贵见解。
Python Gekko 使用同时求解策略，以便所有单元一起求解，而不是按顺序求解。因此，不需要撕裂变量，但回收的大流程问题可能难以收敛到可行的解决方案。以下是 Python Gekko 中的三种方法，可帮助高效求解和初始化。
方法一：中间变量
中间变量对于降低模型的复杂性很有用。在许多模型中，临时变量的数量多于常规变量。这种模型简化通常有助于求解器通过减小问题规模来找到解决方案。m.Intermediates()中间变量在 Python Gekko 中声明。中间变量可以在整个模型的一个部分或多个声明中定义。中间变量从上到下按顺序进行解析。为了避免无意的覆盖，中间变量可以定义一次。对于中间变量，声明的顺序至关重要。如果在定义之前使用中间体，则会出现错误报告存在未初始化的值。以下是有关中间体的附加信息以及示例问题。
方法二：下块三角分解
对于初始化有困难的大问题，可以使用选项激活一种模式m.options.COLDSTART=2。此模式执行下块三角分解，以自动识别独立块，然后独立且顺序地求解这些独立块。
这种初始化分解方法在Mostafa Safdarnejad的博士论文（第 2 章）或 Safdarnejad, SM, Hedengren, JD, Lewis, NR, Haseltine, E., Initialization Strategies for Optimization of Dynamic Systems, Computers and Chemical Engineering 中进行了讨论，2015年，卷。78，第 39-50 页，DOI：10.1016/j.compchemeng.2015.04.016。
方法3：自动模型缩减
模型缩减需要更多的预处理时间，但有助于显着减少求解器时间。还有关于 的附加文档m.options.REDUCE。
初始化总体策略
此流程图显示了我们用于初始化难题（例如带有回收的流程图）的总体策略。
有时，这确实意味着打破循环以获得初始化的解决方案。其他时候，上面详述的初始化策略效果很好，不需要重新排列模型。使用同时解决方案策略的优点是自由度交换，例如可以固定下游变量并计算上游变量以满足该值。