我正在使用此代码来求解多目标优化模型(电力调度(，并尝试调整代码中的一个示例。
示例：https://stackoverflow.com/questions/50742999/multi-objective-optimization-example-pyomo.
我试图跳过"低效帕累托前沿"部分，直接绘制"高效帕累托前线"。
第一个选项卡可以正常运行，并生成Cost_min、Cost_max、Emission_min和Emission\umax。
from pyomo.environ import *
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.pyplot as plt
import random
# create a model
model = AbstractModel()
# declare decision variables
model.N = Param(mutable=True)
model.J = RangeSet(model.N)
model.A = Param(model.J)
model.B = Param(model.J)
model.C = Param(model.J)
model.D = Param(model.J)
model.E = Param(model.J)
model.F = Param(model.J)
model.P_min = Param(model.J, within=PositiveReals)
model.P_max = Param(model.J, within=PositiveReals)
model.demand = Param(mutable=True)
# declare constraints
def Pbounds(model, j):
return (model.P_min[j], model.P_max[j])
model.P = Var(model.J, bounds=Pbounds, domain=NonNegativeReals)
def P_LoadgenBalance(model):
return sum(model.P[j] for j in model.J) >= model.demand
model.P_LoadgenBalance = Constraint(rule=P_LoadgenBalance)
# declare objective_cost
def obj_cost(model):
return sum(model.A[j]* model.P[j] ** 2 + model.B[j] * model.P[j] + model.C[j] for j in model.J)
model.cost= Objective(rule=obj_cost, sense=minimize)
# declare objective_emission
def obj_emission(model):
return sum(model.E[j]* model.P[j] ** 2 + model.D[j] * model.P[j] + model.F[j] for j in model.J)
model.emission= Objective(rule=obj_emission, sense=minimize)
# deactivate model.emission calculate emission_max,cost_min
model.emission.deactivate()
instance = model.create_instance("E:pycharm_projectPDEND-10units.dat")
opt = SolverFactory('Ipopt')
results = opt.solve(instance)
for i in instance.J:
print(i,value(instance.P[i]))
print( 'cost = ' + str(value(instance.cost)) )
print( 'emission = ' + str(value(instance.emission)) )
emission_max = value(instance.emission)
cost_min = value(instance.cost)
# ## max emission deactivate model.cost calculate emission_min,cost_max
model.emission.activate()
model.cost.deactivate()
instance = model.create_instance("E:pycharm_projectPDEND-10units.dat")
results = opt.solve(instance)
for i in instance.J:
print(i,value(instance.P[i]))
print( 'cost = ' + str(value(instance.cost)) )
print( 'emission = ' + str(value(instance.emission)) )
emission_min = value(instance.emission)
cost_max = value(instance.cost)
运行此选项卡中的代码后，没有生成任何错误。但当输出Pareto前沿时，这里只显示了一个点。
# ## apply normal $epsilon$-Constraint
model.emission.deactivate()
model.cost.activate()
model.emission_value = Param(initialize=0, mutable=True)
def c_epsilon(model):
return model.emission <= model.emission_value
model.C_epsilon = Constraint(rule=c_epsilon)
results = opt.solve(instance)
print('Each iteration will keep emission lower than some values between emission_min and emission_max, so [' + str(emission_min) + ', ' + str(emission_max) + ']')
n = 5
step = int((emission_max - emission_min) / n)
steps = list(range(int(emission_min), int(emission_max), step)) + [emission_max]
# ## apply augmented $epsilon$-Constraint
# max emission + delta*epsilon <br>
# s.t. emission - s = emission_value
model.del_component(model.cost)
model.del_component(model.emission)
model.del_component(model.C_epsilon)
model.delta = Param(initialize=0.00001)
model.s = Var(within=NonNegativeReals)
def obj_cost_1(model):
return sum(model.cost+model.delta * model.s)
model.obj_cost_1 = Objective(rule=obj_cost_1, sense=maximize)
def C_e(model):
return model.emission-model.s==model.emission_value
model.C_e= Constraint(rule=C_e)
cost_l = []
emission_l = []
for i in steps:
model.emission_value = i
results = opt.solve(instance)
cost_l.append(value(instance.cost))
emission_l.append(value(instance.emission))
plt.plot(cost_l,emission_l,'o-.');
plt.title('efficient Pareto-front');
plt.grid(True);
plt.show()
结果如下所示。我不知道为什么这不能输出一个正确的帕累托图。我不知道代码的哪一步是错的。
有效Pareto前沿有人能帮我处理这个代码吗？谢谢。Vivi
几件事……：(
出了什么问题：
在循环中，唯一影响模型的是为model.e分配一个新值。这是什么？我认为这是一个拼写错误，您只是错误地声明了一个新的和未使用的模型组件实例变量e。这就是为什么你没有得到不同的价值观。我想你想换成model.emission。
此外，我不会第一次尝试1000个解，只尝试5个。
应清理的内容：
您正在循环中实例化一个新的求解器。不需要。您不需要1000个不同的解算器，只需重新求解即可。您已经在前面声明了一个解算器。
为了清晰起见，在代码中添加一些注释不会让你手足无措，而且有助于T/S，同时也有助于重新组织。
此外，model.A model.B model.C ...的信息量不是很大。如果可以的话，我建议使用更清晰的变量名。