pyomo的性能生成具有大量约束的模型

Question

我对Pyomo的性能感兴趣，以生成具有大量约束和变量（约10e6）的OR模型。我目前正在使用GAMS来启动优化，但我想使用不同的python功能，因此使用Pyomo来生成模型。

我做了一些测试，显然当我编写模型时，每次约束实例化时都会调用用于定义约束的python方法。在进一步实现之前，我想知道是否存在一种基于numpy数组数据直接创建约束块的方法？从我的观点来看，对于大型模型，按块构造约束可能更有效。

您认为使用pyomo或其他python建模库可以获得与GAMS或其他AML语言相媲美的性能吗？

提前感谢您的帮助！

Answer 1

当我从JonasHörsch和Tom Brown那里看到这段代码时，我也想知道这一点，这对我来说非常有用：

https://github.com/FRESNA/PyPSA/blob/master/pypsa/opt.py

他们定义类来比原始Pyomo解析器更有效地定义约束。我对我拥有的大型模型进行了一些测试，它大大缩短了生成时间。

Answer 2

虽然您可以在创建Pyomo约束时使用NumPy数据，但您目前无法使用Pyomo在单个NumPy样式命令中创建约束块。告诉我它的价值，我不相信你也可以使用像AMPL或GAMS这样的语言。虽然Pyomo可能最终支持使用矩阵和向量操作定义约束的用户，但是该接口不可能避免生成单独的约束，因为求解器接口（例如，NL，LP，MPS文件）都是显式的“平坦”表示代表个人约束。这是因为Pyomo需要显式生成代数的表示（即表达式）以发送给求解器。相比之下，NumPy只需计算结果：它通过在C / C ++后端创建数据来获得效率（即，Python中的不是），依赖于低-level BLAS操作可以有效地计算结果，并且只将结果带回Python。

就性能和可扩展性而言，我已经生成了具有超过13e6变量和21e6约束的原始模型。也就是说，Pyomo的设计灵活性和可扩展性超过了速度。使用cPython时，Pyomo中的运行时可能比AMPL慢一个数量级（尽管使用pypy可以缩小到4或5倍）。至少在历史上，AMPL比GAMS快，因此Pyomo和GAMS之间的差距应该更小。