Python Pyomo：布尔语句中带有变量的简单优化问题

Question

我想知道是否可以使用Pyomo解决此类问题：

变量：z（界限=（0,1），S，平方，Loc1

sq = -z *（z-1）

如果（z <= Loc1-0.2或z> = Loc1 + 0.2）：S = 0

否则，如果z <= Loc1：S = 0.6 *（z-Loc1 + 0.2）/0.2

否则：S = 0.6 *（Loc1 + 0.2-z）/0.2

最大化（S * sq）

根据此定义，S在Loc1-0.2和Loc + 0.2之间为非零，从（Loc-0.2）处的0上升到Loc1处的0.6，然后又回到（Loc1 + 0.2）处的0。

sq是平方函数，其根在0和1处，最大平方（z = 0.5）= 0.25。

因此，解决问题的方法将是z = 0.5，Loc1 = 0.5，sq = 0.25和S = 0.6（在这些位置，sq和S均为最大值）。

我尝试使用分段线性约束，但是问题是在布尔表达式中使用变量（例如，如果z

感谢您的帮助！

编辑：它可以与类似的东西一起工作：

from pyomo.environ import *


m = ConcreteModel()
m.z = Var(bounds=(0,1))
m.S = Var() 
m.sq = Var()
m.Loc1 = Var(initialize=0.65)

def sq_func(m):
        return m.sq == -(m.z)*(m.z-1)
m.sqcon = Constraint(rule=sq_func)

rangep = [0,0,0.6,0,0]

bpts=[0,0.3,m.Loc1,0.8,1]
m.source=Piecewise(m.S,m.z,pw_pts=bpts,pw_repn='DCC',pw_constr_type='EQ',f_rule=rangep)

def obj(m):
    return m.S*m.sq
m.obj = Objective(rule = obj,sense=maximize)


results = SolverFactory('ipopt').solve(m)
print("Loc1: ",value(m.Loc1), "\nz: ", value(m.z), "\nS: ",value(m.S), "\nsq: ",value(m.sq),"\nS*sq: ",value(m.sq)*value(m.S))

Answer 1

我试图在Pyomo中使用分段线性约束。我想知道为什么rangep = [0,0,0.6,0,0]和bpts = [0,0.3，m.Loc1,0.8,1]？如何获得这些值？