我想把一个优化模型放在一个循环中,以便用持久解算器进行一些重新优化。我已经编写了提取数据和模型的所有代码。现在我需要把不同的部分放在函数中,以便调用它们。
目标是做这样的事情:
for file in files:
data = extract_data(file)
model = construct_model(data)
model.solve()
for iter in ...:
# resolve model
# save results
基本上,我只使用条件语句来提取数据,从未使用过函数,所以我所做的是将所有代码复制到这样的函数中:(我有1000多行(:
def extract_data():
Nurse_DayoffID_D = {}
UDay_ID = []
for k,v in ID_Dayoff.items():
for x,d in enumerate(v):
Nurse_DayoffID_D[(k,x+10)]=d
UDay_ID.append(x+10)
[...]
return
现在,如果我对具体模型也这样做:
def model():
model.N = Set(initialize = N)
[...]
def obj_function(model):
return(
sum(Penalty_Sigma * model.w[n,d1,d2] + Penalty_Tau * model.r[n,d1,d2] for (d1,d2) in P)
[...]
)
model.ObjFunction = Objective(rule=obj_function, sense=minimize)
def constraint_1(model, s, d):
return sum(model.x[n, s, d] for n in model.N) == R[d,s]
model.C1 = Constraint(model.S, model.D, rule=constraint_1)
[...]
return
for file in files:
data = extract_data(file)
model = construct_model(data)
model.solve()
for iter in ...:
# resolve model
# save results
你认为它没用了吗?
- 它会工作的
- 我建议您不要使用单词
iter
,因为它是Python内置函数
对于给定的迭代次数,您可以执行:
# Run it 3 times
for _ in range(3):
results = process_model()
save_results(results)