Pyomo:从Python代码访问解决方案

Question

我有一个线性整数程序要求解。我安装了求解器glpk（感谢这个答案）和pyomo。我写的代码是这样的：

from pyomo.environ import *
from pyomo.opt import SolverFactory
a = 370
b = 420
c = 2
model             = ConcreteModel()
model.x           = Var([1,2], domain=NonNegativeIntegers)
model.Objective   = Objective(expr = a * model.x[1] + b * model.x[2], sense=minimize)
model.Constraint1 = Constraint(expr = model.x[1] + model.x[2] == c)
# ... more constraints
opt = SolverFactory('glpk')
results = opt.solve(model)

这将生成文件results.yaml的解决方案。

我有很多问题想使用相同的模型，但使用不同的a、b和c值来解决。我想给a、b和c分配不同的值，求解模型，获得model.x[1]和model.x[2]的解，并列出a、b、c、model.x[1]和model.x[2]。我阅读了文档，但示例仅将解决方案写入文件，如results.yaml。

有什么方法可以从代码中访问解决方案值吗？

谢谢，

Answer 1

以下是脚本的修改版本，说明了打印变量值的两种不同方式：（1）显式引用每个变量；（2）迭代模型中的所有变量。

# Pyomo v4.4.1
# Python 2.7
from pyomo.environ import *
from pyomo.opt import SolverFactory
a = 370
b = 420
c = 4
model             = ConcreteModel()
model.x           = Var([1,2], domain=Binary)
model.y           = Var([1,2], domain=Binary)
model.Objective   = Objective(expr = a * model.x[1] + b * model.x[2] + (a-b)*model.y[1] + (a+b)*model.y[2], sense=maximize)
model.Constraint1 = Constraint(expr = model.x[1] + model.x[2] + model.y[1] + model.y[2] <= c)
opt = SolverFactory('glpk')
results = opt.solve(model)
#
# Print values for each variable explicitly
#
print("Print values for each variable explicitly")
for i in model.x:
  print str(model.x[i]), model.x[i].value
for i in model.y:
  print str(model.y[i]), model.y[i].value
print("")
#
# Print values for all variables
#
print("Print values for all variables")
for v in model.component_data_objects(Var):
  print str(v), v.value

以下是生成的输出：

Print values for each variable explicitly
x[1] 1.0
x[2] 1.0
y[1] 0.0
y[2] 1.0
Print values for all variables
x[1] 1.0
x[2] 1.0
y[1] 0.0
y[2] 1.0

Answer 2

我不确定这是否是您想要的，但这是在我的一个脚本中打印一些变量的一种方式。

from pyomo.environ import *
from pyomo.opt import SolverFactory
from pyomo.core import Var
M = AbstractModel()
opt = SolverFactory('glpk')
# Vars, Params, Objective, Constraints....
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)

Answer 3

我在urbs项目中找到了pyomoio模块。它提取集合、参数、变量等，并将它们返回到pandas对象中，这非常方便在jupyter笔记本中进行可视化。

我建立了一个简单的模型

model = ConcreteModel()
model.act = Set(initialize=list('IJK'))
model.goods = Set(initialize=list('ijk'))
u0 = {}
u0['i', 'J'] = 2.
u0['k', 'I'] = .3
model.U0 = Param(model.goods, model.act, initialize=u0, default=0)

然后，我可以在pandas DataFrame中读取它，并适当地设置所有标签。

import pyomoio as po
u_df = po.get_entity(model, 'U0').unstack()
print(u_df)
# act      I    J    K
# goods               
# i      0.0  2.0  0.0
# j      0.0  0.0  0.0
# k      0.3  0.0  0.0