Question

我试图在Pyomo 5.1.1中创建一个抽象模型，然后用python中的值填充它（即不使用AMPL文件）。我基本上跟随Pyomo documentation example，但我得到了＆＃34;检测到恒定目标＆＃34;。

import pyomo.environ as oe
model = oe.AbstractModel()
model.I = oe.Set()
model.J = oe.Set()
model.a = oe.Param(model.I,model.J)
model.b = oe.Param(model.I)
model.c = oe.Param(model.J)
model.x = oe.Var(model.J,domain=oe.NonNegativeReals)
def obj_expression(model):
    return oe.summation(model.c,model.x)

model.OBJ = oe.Objective(rule=obj_expression)
def ax_constraint_rule(model,i):
    return sum(model.a[i,j]*model.x[j] for j in model.J) >= model.b[i]

model.AxbConstraint = oe.Constraint(model.I,rule=ax_constraint_rule)

然后，我尝试使用实际值

初始化此模型

aa = np.array([[1,2,1,4],[5,2,2,4]])
bb = np.array([2,4])
cc = np.array([1,2,4,2])

cmodel = model.create_instance()
cmodel.a.values = aa
cmodel.b.values = bb
cmodel.c.values = cc

opt = oe.SolverFactory("glpk")
results = opt.solve(cmodel)

我收到以下错误：

WARNING:pyomo.core:Constant objective detected, replacing with a placeholder to prevent solver failure. WARNING:pyomo.core:Empty constraint block written in LP format - solver may error WARNING: Constant objective detected, replacing with a placeholder to prevent solver failure. WARNING: Empty constraint block written in LP format - solver may error

显然我初始化cmodel的方式有问题，但我找不到任何描述python中初始化的文档。

Answer 1

如果您不需要从AMPL .dat文件加载数据，我建议您从ConcreteModel开始。在这种情况下，除非您需要它们是可变的，否则不需要将数据存储到Param对象中。仍建议创建用于索引组件的Set对象;否则，将使用可能与您添加到模型的组件冲突的名称隐式创建Set对象。

通过将ConcreteModel定义放在以数据作为输入的函数中，您基本上复制了AbstractModel及其create_instance方法提供的功能。如，

import pyomo.environ as oe

def build_model(a, b, c):
    m = len(b)
    n = len(c)
    model = oe.ConcreteModel()
    model.I = oe.Set(initialize=range(m))
    model.J = oe.Set(initialize=range(n))
    model.x = oe.Var(model.J,domain=oe.NonNegativeReals)

    model.OBJ = oe.Objective(expr= oe.summation(c,model.x))
    def ax_constraint_rule(model,i):
        arow = a[i]
        return sum(arow[j]*model.x[j] for j in model.J) >= b[i]
    model.AxbConstraint = oe.Constraint(model.I,rule=ax_constraint_rule)
    return model

# Note that there is no need to call create_instance on a ConcreteModel
m = build_model(...)
opt = oe.SolverFactory("glpk")
results = opt.solve(m)

此外，建议首先使用array.tolist()方法将所有Numpy数组转换为Python列表，然后再使用它们构建Pyomo表达式。 Pyomo还没有在其表达式系统中内置数组操作的概念，并且使用Numpy数组的方式与使用Python列表相比可能太多。

从抽象pyomo模型中

1 个答案: