Question

我想解决整数编程问题，其中决策变量在特定集合中受到限制。

例如，必须在[2,5,7,10]中选择决策变量xi。

为了测试，我使用Pyomo编写了python代码，如下所示：

from pyomo.environ import *
model = AbstractModel()
model.X = Set(initialize=[2, 5, 7, 10])
model.x = Var(within=model.X)
model.obj = Objective(expr=model.x+1)
m = model.create_instance()
opt = SolverFactory("glpk")
results = opt.solve(m)

执行这些代码时，收到错误消息： “TypeError：名称为'x'的变量的域类型无效。变量不是连续的，整数的或二进制的”

以下是我的问题：

出现此错误的原因是什么？
如何处理？
是否还有其他可以处理此类问题的优化工具？

感谢您的帮助！

Answer 1

出现此错误的原因是什么？

如错误所示，像GLPK这样的混合整数线性求解器只能处理连续，二进制和一般整数变量。指定时
```
model.X = Set(initialize=[2, 5, 7, 10])
model.x = Var(within=model.X) 
```
您正在尝试创建一个离散的分类变量，当Pyomo可以在内部表示时，它无法传递给该特定求解器。

如何处理？

使用一组二元变量进行标准重构：

model.X = Set(initialize=[2, 5, 7, 10])
model.select_x = Var(model.X, domain=Binary)
model.x = Var()
def pick_one(m):
    return 1 == sum(m.selext_x[i] for i in m.X)
model.pick_one = Constraint(rule=pick_one)
def set_x(m):
    return m.x == sum(i*m.select_x[i] for i in m.X)
model.set_x = Constraint(rule=set_x)

还有其他可以处理此类问题的优化工具吗？

虽然有一些解算器可以处理离散的分类变量，但你可能最好使用上面的重构。

Python Pyomo：Pyomo中的变量域错误

1 个答案: