Pyomo约束> 100000或0

Question

全,

我正在编写一些代码，其中要求买卖至少100,000个数据包。如果不可能，则应将其置零。

为此，我尝试了许多方法，包括：

def objective_rule(model):
      return sum(model.Prices[ProductCount]*model.Amount[ProductCount]*(model.Amount[ProductCount]>100000) for ProductCount in model.Products)

但这比预期的要慢。我想把一个明确的约束放在适当的地方。类似于：

def minTradesize_Constraint(model):
    return ((model.Amount[ProductCount]>=100000)| \
                   (model.Amount[ProductCount]==0.00) for ProductCount in model.Products)

我已经研究了指标函数，但Pyomo连续近似没有帮助。如有任何帮助或指导，我将不胜感激。

Answer 1

基本上，您要实现的是使model.Amount[ProductCount]项采用不连续的值(0或大于或等于100,000)。要实现这一点，首先，基本上需要定义一个二进制变量：model.y = pyomo.Var(model.Products, within=pyomo.Binary)。

然后，您需要添加以下约束：

def minTradesize_Constraint1(model):
    return (model.Amount[ProductCount] >= 100000 * y[ProductCount] for ProductCount in model.Products)

def minTradesize_Constraint2(model):
    return (model.Amount[ProductCount] <= M * y[ProductCount] for ProductCount in model.Products)

其中M是一个足够大的数字(可以是model.Amount[ProductCount]变量的实际上限)。

作为此公式的结果，如果y[ProductCount]为零，则model.Amount[ProductCount]项也将为零。如果模型现在想让model.Amount[ProductCount]变量取正值，它必须将二进制y[ProductCount]设置为1，从而强制model.Amount[ProductCount]变得更大或等于100,000。

注意:我已经用与您在答案中相同的方式阐述了约束。但是，如果我正确理解了您的模型，我会说第一个约束，例如，应该是：

def minTradesize_Constraint1(model, ProductCount):
    return (model.Amount[ProductCount] >= 100000 * y[ProductCount]

当您创建Pyomo约束时，应该添加for ProductCount in model.Products部件。

Answer 2

来进一步简化解决方案。我添加了一个名为route_selected的变量

 model.route_selected = pe.Var(<a set, for me its routes == r>, domain=pe.Binary, initialize=0, within=pe.Binary)

 model.route_selected = pe.Var(model.R, domain=pe.Binary, initialize=0, within=pe.Binary)

这就是我的依赖变量

# Variable to solve, this is the variable that will be changed by solver to find a solution
# for each route, port, cust, year combination what should be supplied amount
model.x_rpcy = pe.Var(self.model.R, self.model.P, self.model.C, self.model.Y, domain=pe.NonNegativeIntegers, initialize=0)

然后添加了这个约束

for y in self.model.Y:
    for r in self.model.R:
            lhs = sum(self.model.x_rpcy[r, p, c, y] for p in self.model.P for c in self.model.C)
                vessel_size = 1000
                self.model.const_route.add(lhs == vessel_size * self.model.route_selected[r])
                
    model.const_route.add(lhs == vessel_size * model.route_selected[r])