TRFInterface

(类来自 pyomo.contrib.trustregion.interface)

class pyomo.contrib.trustregion.interface.TRFInterface(model, decision_variables, ext_fcn_surrogate_map_rule, config)

基础类：object

用于信任域算法的Pyomo接口。

__init__(model, decision_variables, ext_fcn_surrogate_map_rule, config)

方法

__init__(模型, 决策变量, ...)
calculateFeasibility()	可行性度量 (theta(x)) 是：
calculateStepSizeInfNorm(original_values, ...)	取原始值和新值，计算步长范数 ||s_k||：
createConstraints()	创建基础约束 y = b(w)（方程 3）和代理模型约束 y = r_k(w)（方程 5）
getCurrentDecisionVariableValues()	返回当前决策变量的值
getCurrentModelState()	返回所有模型变量的当前状态。
initializeProblem()	初始化适当的约束、值等。
rejectStep()	如果一个步骤被拒绝，我们将模型变量的值重置回它们的缓存状态 - 我们在solveModel中设置的状态
replaceEF(expr)	替换一个外部函数。
replaceExternalFunctionsWithVariables()	此方法在模型的新trf_data块上设置必要的数据对象，并触发表达式树中外部函数的替换。
solveModel()	调用指定的求解器来解决问题。
updateDecisionVariableBounds(radius)	更新TRSP_k决策变量的边界
updateSurrogateModel()	代理模型所需的参数是以下值：

成员文档

calculateFeasibility()

Feasibility measure (theta(x)) is:

|| y - d(w) ||_1

calculateStepSizeInfNorm(original_values, new_values)

Taking original and new values, calculate the step-size norm ||s_k||:

|| u - u_k ||_inf

我们假设用户已经正确地缩放他们的变量。

createConstraints()

创建基础约束 y = b(w)（方程 3）和代理模型约束 y = r_k(w)（方程 5）

这两个约束在创建后立即被停用，并在必要时稍后激活。

getCurrentDecisionVariableValues()

返回当前决策变量的值

getCurrentModelState()

返回所有模型变量的当前状态。 如果我们需要拒绝一个步骤并回退，这是必要的。

initializeProblem()

为TRF问题初始化适当的约束、值等。

Returns:

• objective_value (初始目标)

• feasibility (初始可行性度量)

STEPS:

1. 创建并求解PMP（公式3）并将其设置为“x_0”

2. 评估 d(w_0)

3. 评估初始可行性度量（theta(x_0)）

4. 创建初始SM（低和高保真模型之间的差异）

rejectStep()

如果一个步骤被拒绝，我们将模型变量的值重置回它们的缓存状态 - 这是在solveModel中设置的。

replaceEF(expr)

替换一个外部函数。

Parameters:

expr – 一个Pyomo表达式。我们将搜索这个表达式树

此函数在从表达式树expr中移除集合efSet中的任何ExternalFunction并用变量替换它们后返回一个表达式。新变量在TRF块上声明。

待办事项：未来工作 - 研究使用Expression对象直接替代基础或代理模型，而不是使用新变量。

replaceExternalFunctionsWithVariables()

此方法在模型的新trf_data块上设置必要的数据对象，并触发表达式树中外部函数的替换。

Data objects created:

self.data.all_variablesComponentSet

模型上所有变量的集合，包括来自EF替换的“holder”变量

self.data.truth_modelsComponentMap

用于替换节点的组件映射，用于跟踪该替换的真实模型。

self.data.basis_expressionsComponentMap

基础函数的Pyomo表达式的组件映射，适用于每个变量

self.data.ef_inputsDict

一个字典，用于跟踪每个EF的输入变量

self.data.ef_outputsVarList

替换原始外部函数表达式的“holder”变量列表

solveModel()

调用指定的求解器来解决问题。

Returns:

• self.data.objs[0] (当前目标值)

• step_norm (当前步长无穷范数)

• feasibility (当前可行性度量)

这也缓存了变量的先前值，以防万一 我们以后需要访问它们，如果某个步骤被拒绝

updateDecisionVariableBounds(radius)

更新TRSP_k决策变量的边界

这对应于：

\[|| E^{-1} (u - u_k) || <= trust_radius\]

我们省略了\(E^{-1}\)，因为我们假设用户已经正确地缩放他们的变量。

updateSurrogateModel()

The parameters needed for the surrogate model are the values of:

b(w_k) : 基础模型输出 d(w_k) : 真实模型输出 grad b(w_k) : 基础模型梯度输出 grad d(w_k) : 真实模型梯度输出