如何在pyomo中声明非线性目标函数？以及声明约束的有效方法？

提问者：小点点

如何在pyomo中声明非线性目标函数？以及声明约束的有效方法？

我试图在Pyomo中声明一个非线性目标约束，每次我试图使用Bonmin求解器解决它，我都会得到以下错误：

错误：解算器（asl）返回非零返回代码（322225477）错误：解算器日志：Bonmin 1.8。6使用Cbc 2.9。9和Ipopt 3.12。8分钟：回溯（最近一次呼叫最后一次）：

文件“”，第2行，在results=opt中。求解（模型）

文件“C:\Anaconda\lib\site packages\pyomo\opt\base\solvers.py”在solve“Solver（%s）中的第626行没有正常退出。（姓名）

Solver（asl）没有正常退出

我的目标函数定义是：

`def obj_func(model):
   global summer
   summer = 0
   global volumer
   volumer = 0
   for i in range(0,len(data)):
        summer += model.x[i]*data.loc[i,'Predicted.Profit']
   for j in range(0,len(data)):
        volumer += model.x[j]*data.loc[j,'Predicted.Liters.Sold']
   return summer/volumer`

我通过SolverFactory调用解算器，最后，我还想知道创建约束的最有效方法，因为我的约束范围为100，其中一些是非线性的。当我尝试使用这种模式解决问题时，我的内存使用率达到100%，计算机挂起。

共1个答案

匿名用户

您应该检查解算器输出以了解其失败的原因。调用解算器时，可以通过添加tee=True选项将此输出打印到屏幕上：

SolverFactory('bonmin').solve(model, tee=True)

另外，在声明Pyomo约束和目标时，应该避免使用=。在构建Pyomo表达式时，它通常会导致显著的性能下降。以下是编写目标函数的推荐方法：

def obj_func(model):
   return sum(model.x[i]*data.loc[i,'Predicted.Profit'] for i in model.I)/sum(model.x[j]*data.loc[j,'Predicted.Liters.Sold'] for j in model.J)
model.Objective(rule=_obj_func)

其中模型。I和型号。J是PyomoSet组件或Python列表。