GEKKO 是否适合 Quasiconvex/Quasilinear 函数？
Is GEKKO appropriate for Quasiconvex/Quasilinear Function?
我有一个带有不确定 hessian 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，并且这些函数存在于 objective 中，而参数的约束是线性的。
使用GEKKO处理拟凸函数优化时，是否有任何特殊条件可以实现全局最优？此外，与凸问题相比，拟凸函数是否存在任何性能差异？
感谢您的宝贵时间。
在 GEKKO 使用的求解器中，有两种方法可以处理拟凸问题。求解器通过向 Hessian 矩阵的对角线添加一个对角线项来进行正则化，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赖域方法，以避免出现不同的解决方案。
对于非凸问题，往往需要采用多起点法来寻找全局最优解。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。
我有一个带有不确定 hessian 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，并且这些函数存在于 objective 中，而参数的约束是线性的。
使用GEKKO处理拟凸函数优化时，是否有任何特殊条件可以实现全局最优？此外，与凸问题相比，拟凸函数是否存在任何性能差异？
感谢您的宝贵时间。
在 GEKKO 使用的求解器中，有两种方法可以处理拟凸问题。求解器通过向 Hessian 矩阵的对角线添加一个对角线项来进行正则化，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赖域方法，以避免出现不同的解决方案。
对于非凸问题，往往需要采用多起点法来寻找全局最优解。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。