我使用Python中APM的Gekko解决了优化问题。两个主要决策变量（DV）是大型数组。该问题已成功收敛，但是，我需要Excel工作表中这些表的结果才能进行进一步的工作。
示例变量名是's'。由于在其中创建的数组Gekko是GKVariable / Object变量类型，因此我不能简单地使用：
pd.DataFrame(s).to_csv(r'C:\Users\...\s.csv')
因为结果为数组的每个单元提供了模型中定义的每个变量的标签（即v1，v2等）
print 's'在内核中使用会显示优化结果中的数组编号，但格式会由于列数众多而不能保证每一行都是矩阵的新行。
是否存在另一种解决方案，仅复制DV的结果值，使其成为常规np.array变量而不是对象类型变量？对此开放任何想法。
我正在研究一个相当大的 MINLP，模型大小约为 270,000 个变量和方程 - 5,000 个二进制文件。将 Gekko 与 APOPT 求解器结合使用，我可以在大约 868 秒（不到 15 分钟）内解决问题。但是，在超级计算机上解决它以增加内存，大约需要 27 小时才能产生结果。
它似乎把所有的时间都花在了创建模型上。在阅读有关 APOT 的一些内容时，它提到当自由度小于 2,000（我的约为 3,500）时效果最佳。但是，我还读到它是 Gekko 唯一可用的混合整数求解器？
我很好奇是否是这种情况，或者 Gekko 中是否有针对该程序的其他选项？（因为我更喜欢用 Python 编写代码）在应用程序中，我需要使用不同的上传的 excel 表多次运行此代码，因此如果无论如何要保存模型构造以供将来运行，这也可能会有所帮助。