Pyomo: 创建抽象模型和AMPL数据

问题描述 投票：0回答：1

我刚刚开始使用Pyomo，我有一个大问题。我想创建一个抽象模型，并使用AMPL数据格式来喂养它.这个问题是一个经典的运输问题。我需要找到成本的最优解。M的意思是如果在给定的源地和目的地之间不可能运输，则输入M的大成本。 我需要将其转换为AMPL数据。除此之外，我不知道如何创建这个抽象模型。这个表格和模型的代码如下图所示。另外看了这个问题后，我创建的数学模型如下。

我创建的数学模型][1]

[经典运输问题标签][2]

from __future__ import division
from pyomo.environ import *

model = AbstractModel()

model.I = Set()
model.J = Set()

model.a = Param(model.I)
model.b = Param(model.J)
model.cost = Param(model.I,model.J)
model.supply = Var(model.I,model.J)

def obj_expression(model):
    return sum(model.supply[i,j] *  model.cost[i,j] for i in model.I for j in model.J)

model.OBJ = Objective(rule=obj_expression)

def ax_constraint_rule_1(model, i):
    return sum(model.supply[i,j] for j in model.J )<= model.a[i]

def ax_constraint_rule_2(model, j):
    return sum(model.supply[i,j] for i in model.I )>= model.b[j]

model.AxbConstraint = Constraint(model.I, rule=ax_constraint_rule_1)
model.AxbConstraint_2 = Constraint(model.J, rule=ax_constraint_rule_2)

pyomo solve --solver=glpk test.py transportation_data.dat
model.pprint()


set I := D1 D2 D3 ;
set J := S1 S2 S3  ;

param cost :=
S1 D1 3
S1 D2 1
S2 D1 4
S2 D2 2
S2 D3 4
S3 D2 3
S3 D3 3
;

param b :=

D1 7
D2 3
D3 5 ;


param a:=
S1 5
S2 7
S3 3

;

有没有人帮我处理这段代码？真的需要帮助建立模型和AMPL数据构建。

还是谢谢你

  File "E:/pycharm_project/test.py", line 28
    pyomo solve --solver=glpk test.py transportation_data.dat
              ^
SyntaxError: invalid syntax```




  [1]: https://i.stack.imgur.com/DoWXA.png
  [2]: https://i.stack.imgur.com/Fwmjb.png
python optimization pyomo
1个回答
0
投票

我想，你已经很接近了。 你有几件事情需要清理。

你不需要 model.m 和 model.n 我不知道你想做什么。

对于集合，I和J，只需将它们列为Set()，因为你在AMPL数据中为它们提供了值。 像这样。

model.I = Set()     
model.J = Set()

在你的公式中，你把c[i,j]做了双索引 但在你的公式和数据中，c的索引只由... model.I

同样，在你的模型中，你只是对a[i]进行了单索引，但在你的数据和公式中，你对它进行了双索引。

在你的约束条件中，定义中应该只保留 "for each "部分的变量，而不是你要求和的变量。

把这个东西清理一下，给它一个旋转，如果还是坏了就回评论我。

编辑：还有几条.......

我建议用直观的方式来命名你的参数和集合，比如。

model.supply, model.cost等。 使得阅读& 故障排除变得更加容易。)

============

编辑#2：你的代码清理工作有了很大的改进。 还剩下几个清理项目。

在你的约束条件中 你只需要为等式的 "for each "部分传递变量 如果你要对其他变量进行求和的话 你正在做 model.I 这里的约束条件，所以这个是合适的。

def ax_constraint_rule_1(model, i):  # note removal of j
    return sum(model.supply[i,j] for j in model.J ) <= model.a[i]

请注意，这里的总和已经超过了 j 对于每个 i 所以我把你的for循环也改了。

把这个换成另一个约束。

你的 a, b, cost, supply 与你的数据名称不一致。 检查所有的数据。 在你的数据中。a 似是 cost[i, j]

您的成本数据也缺少一些值

在AMPL语法中： set 不是大写的。 如果你把它运行起来，它会吧嗒吧嗒地叫出这个错误。

0
投票

这是我的切。

from pyomo.environ import *

model = AbstractModel()

# model.m = Param(within=NonNegativeIntegers)
# model.n = Param(within=NonNegativeIntegers)

model.S = Set()     # Sources
model.D = Set()     # Destinations

model.cost = Param(model.S, model.D)    # cost from S->D
model.supply = Param(model.S)           # supply at source S
model.demand = Param(model.D)           # demad at destination D
model.x = Var(model.S, model.D, domain=NonNegativeReals)

### OBJECTIVE FUNCTION ###

# calculate total cost of decisions
def obj_expression(model):
    return sum(model.x[s, d] * model.cost[s, d] for s in model.S for d in model.D)

model.OBJ = Objective(rule=obj_expression)

### CONSTRAINTS ###

# ensure that supply constraint is met for each source in model.S
def supply_constraint(model, s):
    return sum(model.x[s, d] for d in model.D ) <= model.supply[s] 

# ensure that demand constraint is met for each destination in model.D
def demand_constraint(model, d):
    return sum(model.x[s, d] for s in model.S ) >= model.demand[d] 

model.sup_constraint = Constraint(model.S, rule=supply_constraint)
model.dem_constraint = Constraint(model.D, rule=demand_constraint)


model.pprint()

数据文件

set D := D1 D2 D3 ;
set S := S1 S2 S3 ;

param cost :=
S1 D1 3
S1 D2 1
S1 D3 10
S2 D1 4
S2 D2 2
S2 D3 4
S3 D1 10
S3 D2 3
S3 D3 3
;

param demand := 

D1 7
D2 3
D3 5 ;


param supply :=
S1 5
S2 7
S3 3
;

产出：

% pyomo solve --solver=glpk transpo_model.py transpo.dat --summary
[    0.00] Setting up Pyomo environment
[    0.00] Applying Pyomo preprocessing actions
4 Set Declarations
    D : Dim=0, Dimen=1, Size=0, Domain=None, Ordered=False, Bounds=None
        Not constructed
    S : Dim=0, Dimen=1, Size=0, Domain=None, Ordered=False, Bounds=None
        Not constructed
    cost_index : Dim=0, Dimen=2, Size=0, Domain=None, Ordered=False, Bounds=None
        Virtual
    x_index : Dim=0, Dimen=2, Size=0, Domain=None, Ordered=False, Bounds=None
        Virtual

3 Param Declarations
    cost : Size=0, Index=cost_index, Domain=Any, Default=None, Mutable=False
        Not constructed
    demand : Size=0, Index=D, Domain=Any, Default=None, Mutable=False
        Not constructed
    supply : Size=0, Index=S, Domain=Any, Default=None, Mutable=False
        Not constructed

1 Var Declarations
    x : Size=0, Index=x_index
        Not constructed

1 Objective Declarations
    OBJ : Size=0, Index=None, Active=True
        Not constructed

2 Constraint Declarations
    dem_constraint : Size=0, Index=D, Active=True
        Not constructed
    sup_constraint : Size=0, Index=S, Active=True
        Not constructed

11 Declarations: S D cost_index cost supply demand x_index x OBJ sup_constraint dem_constraint
[    0.29] Creating model
[    0.32] Applying solver
[    0.33] Processing results
    Number of solutions: 1
    Solution Information
      Gap: 0.0
      Status: feasible
      Function Value: 46.0
    Solver results file: results.json

==========================================================
Solution Summary
==========================================================

Model unknown

  Variables:
    x : Size=9, Index=x_index
        Key          : Lower : Value : Upper : Fixed : Stale : Domain
        ('S1', 'D1') :     0 :   5.0 :  None : False : False : NonNegativeReals
        ('S1', 'D2') :     0 :   0.0 :  None : False : False : NonNegativeReals
        ('S1', 'D3') :     0 :   0.0 :  None : False : False : NonNegativeReals
        ('S2', 'D1') :     0 :   2.0 :  None : False : False : NonNegativeReals
        ('S2', 'D2') :     0 :   3.0 :  None : False : False : NonNegativeReals
        ('S2', 'D3') :     0 :   2.0 :  None : False : False : NonNegativeReals
        ('S3', 'D1') :     0 :   0.0 :  None : False : False : NonNegativeReals
        ('S3', 'D2') :     0 :   0.0 :  None : False : False : NonNegativeReals
        ('S3', 'D3') :     0 :   3.0 :  None : False : False : NonNegativeReals

  Objectives:
    OBJ : Size=1, Index=None, Active=True
        Key  : Active : Value
        None :   True :  46.0

  Constraints:
    sup_constraint : Size=3
        Key : Lower : Body : Upper
         S1 :  None :  5.0 :   5.0
         S2 :  None :  7.0 :   7.0
         S3 :  None :  3.0 :   3.0
    dem_constraint : Size=3
        Key : Lower : Body : Upper
         D1 :   7.0 :  7.0 :  None
         D2 :   3.0 :  3.0 :  None
         D3 :   5.0 :  5.0 :  None

[    0.33] Applying Pyomo postprocessing actions
[    0.33] Pyomo Finished
最新问题
© www.soinside.com 2019 - 2024. All rights reserved.