ipopt

    0熱度

    1回答

    我完全新的Python和編譯C. 我的默認Python解釋器的大多數方面就是Python 2.7蟒蛇解釋。我試圖按照以下說明安裝pyipopt:https://github.com/xuy/pyipopt。 Pyipopt安裝到/usr/local/lib/python2.7/dist-packages/pyipopt,但是當我嘗試import pyipopt我得到一個錯誤,說pyipopt沒有找

    0熱度

    1回答

    我試圖從MAC終端安裝ipopt,但我得到了以下錯誤: terminal /usr/bin/clang -bundle -undefined dynamic_lookup -arch i386 -arch x86_64 -g build/temp.macosx-10.6-intel-3.6/src/callback.o build/temp.macosx-10.6-intel-3.6/src/py

    0熱度

    3回答

    。 我正在編譯Windows 10中的Ipopt-3.9.3 & Visual C++ 2010 Express。 我已經建立libCoinBlas,libConHSL,libCoinLapack以及libIpopt,併產生libCoinBlas.lib,libCoinHSL.lib,libCoinLapack.lib以及libIpopt.lib的項目,在正確的路徑,但也有一些警告。 雖然當我嘗試

    0熱度

    1回答

    我正在使用SCIP通過Julia(目前與SCIP.jl,以前與AmplNLWriter.jl)。我整理了上海化學工業區的SCIP.jl按照說明如下: make SHARE=true GMP=false IPOPT=true READLINE=false ZLIB=false scipoptlib 我能夠從朱莉婭調用SCIP。我也確認SCIP與make test合作。然而,當我試圖解決一個(可能

    0熱度

    1回答

    如何安裝ipopt求解器以在Ubuntu下與pyomo一起使用? 我已經下載zip文件ipopt 但我沒有找到任何具體的說明如何安裝它並與pyomo一起使用。

    0熱度

    2回答

    我在理解非線性優化中的性能如何受解算器引擎連接的具體方式影響方面存在一些困難。 我們有一個優化模型,它的第一個版本是用GAMS編寫的。 IPOPT(一種常見的FOOS非線性解算器引擎)正在爲IPOPT(無功能評估)的每次優化1.4 CPU秒和功能評估中0.2 CPU秒的優化返回執行時間。當我們通過C++ API(使用ADOL-C和ColPack for AD)將模型轉換爲C++(用於更好地解釋模型

    0熱度

    1回答

    我遵循ipopt coinor網站的說明並設法安裝ipopt優化器。這在構建目錄中產生了一些靜態目標文件,但它沒有產生任何bin文件夾。 現在,試圖讓pyomo使用ipopt的時候,只有這樣,才能到,我已經看到使用的指定可執行文件的位置,像這樣 opt = SolverFactory('ipopt', executable='executable path here') 但我想不出什麼,可能是。

    2熱度

    1回答

    我試圖用JuMP解決一個非線性問題,其中變量的數量由用戶決定 - 也就是說,在編譯時不知道。 要做到這一點,@NLobjective行看起來是這樣的: @eval @JuMP.NLobjective(m, Min, $(Expr(:call, :myf, [Expr(:ref, :x, i) for i=1:n]...))) 其中,舉例來說,如果n=3,編譯器解釋爲等同於行: @JuMP.NL

    0熱度

    1回答

    約束,我有一個錯誤: Error evaluating constraint 15: can't compute -1.65898/0. halt_on_ampl_error=yes 我怎樣才能打印導致錯誤的pyomo約束的名字嗎? 有點像AMPL命令:print _sconname[15]; 感謝,M.

    2熱度

    1回答

    我無法通過pyomo設置ipopt選項。 對於某些選項中的一個可以簡單地使用 executable = os.getcwd()+'/Ipopt/Ipopt/build/bin/ipopt.exe' opt = SolverFactory("ipopt", executable=executable,solver_io='nl') opt.options['nlp_scaling_method'