问题描述
我有一个带有不确定粗麻布的函数，我想确保 GEKKO 可以支持拟凸优化。请注意，我正在制定一个 MINLP 模型，这些函数存在于目标中，而参数的约束是线性的。
在使用GEKKO处理拟凸函数优化时，有什么特殊条件可以达到全局最优吗？此外，与凸问题相比，拟凸函数是否存在性能差异？
感谢您抽出宝贵时间。
解决方法
在 GEKKO 使用的求解器中有两种处理拟凸问题的方法。求解器通过在 Hessian 的对角线上添加一个对角项来使用正则化，直到它是正定的。对于仅使用一阶导数 (Jacobian) 的求解器，BFGS 更新近似于二阶导数 (Hessian)。这保证了 Hessian 近似是正定的。求解器采用的第三个选项是信任域方法，以避免出现不同的解决方案。
对于非凸问题，通常需要多开始的方法来找到全局最优值。否则，应使用其他求解器，例如 BARON 或其他专为非凸问题设计的求解器。