在不使用for循环的情况下检索Pyomo解决方案

Question

我正在努力寻找一种有效的方法来检索优化问题的解决方案。该解决方案包含大约200K个变量，我想在pandas DataFrame中使用。在线搜索后，我发现访问变量的唯一方法是通过for循环看起来像这样：

instance = M.create_instance('input.dat') # reading in a datafile
results = opt.solve(instance, tee=True)
results.write()
instance.solutions.load_from(results)

for v in instance.component_objects(Var, active=True): 
    print ("Variable",v)
    varobject = getattr(instance, str(v))
    for index in varobject:
        print ("   ",index, varobject[index].value)

我知道我可以使用这个for循环将它们存储在数据帧中，但这是非常低效的。我发现了如何通过使用访问索引

import pandas as pd
index = pd.DataFrame(instance.component_objects(Var, active=True))

但我不知道如何获得解决方案

Answer 1

当然你可以使用instance.some_var.pprint()在屏幕上打印它。但是如果你有一个由大集索引的变量。您也可以将其写入单独的文件。以下代码将结果写入.txt文件：

f = open('Result.txt', 'a')
instance.some_var.pprint(f)
f.close()

Answer 2

为了简化代码并在很大程度上避免for循环，我在pyomoio中找到了urbs project模块，它接管了pandaspyomo.py稍微弃用的代码。它依赖于每个pyomo对象的iteritem()方法，并优雅地处理多个维度。它可以将集合，参数和变量提取为pandas对象。

如果我设置了一个小型的pyomo模型

from pyomo.environ import *
import pyomoio as po
import pandas as pd

# Define a model with 200k values
m = ConcreteModel()
m.ix = RangeSet(200000)
def idem(model, i):
    return i
m.a = Param(m.ix, rule=idem)

我只需一行代码即可读入参数

%%timeit
a_po = po.get_entity(m, 'a')

# 110 ms ± 1.88 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

但是，如果我将它与原始问题中的方法进行比较，它不会更快，甚至更慢一点：

%%timeit
val = []
ix = []
varobject = getattr(m, 'a')
for index in varobject:
    ix.append(index)
    val.append(varobject[index])
a = pd.Series(index=ix, data=val)
# 92.5 ms ± 1.57 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

Answer 3

实际上有一个非常简单和优雅的解决方案，使用pandas.DataFrame.from_dict方法结合Var.extract_values()方法。

from pyomo.environ import *
import pandas as pd
m = ConcreteModel()
m.N = RangeSet(5)
m.x = Var(m.N, rule=lambda _, el: el**2)  # x = [1,4,9,16,25]

df = pd.DataFrame.from_dict(m.x.extract_values(), orient='index', columns=[str(m.x)])
print(df)

产量

    x
1   1
2   4
3   9
4  16
5  25

请注意，对于Var，我们可以使用get_values()和extract_values()，他们似乎也这样做。对于Param，只有extract_values()。

Answer 4

我遇到了与Jasper相同的问题并尝试了建议的解决方案。通过这样做，我注意到，编写结果的部分花费了大部分时间。也许在Jasper的案例中也是如此。

results.write()
instance.solutions.load_from(results)

所以如果你能这样做，我建议压制这两行。也许有人建议如何加快速度？或者另一种方法。

另外我在这篇文章中看到了（Pyomo：将结果保存为CSV文件）重新定义了“for循环”方法。一个pyomo开发人员声明：“我认为在索引中选项2是可能的，并且变量切片以不同的顺序迭代，这将使得到的数组无效。”