Contraintes multi-indexées ou objectifs dans Pyomo

Question

J'ai un MILP assez basique que j'essaie de résoudre, mais pendant que mon code fonctionne, je n'ai pas de valeurs. Je pense que cela est dû à ma fonction objectif (depuis le changement à quelque chose de trivial ne produit une réponse):

def OPEX (m): 
    return sum (m.Q_ng[u,t]*m.ng_price[t] + m.E_imp[t]*m.el_price_imp[t] - m.E_exp[t]*m.el_price_exp[t] for u in m.U for t in m.P) 
m.obj = Objective(rule=OPEX) 

Je dois minimiser la somme sur u et t, est-ce que vous iriez à ce sujet?

Answer 1

Mon problème a fini par être comment j'ai écrit mes contraintes. Selon le livre par William E. Hart, Carl Laird, Jean-Paul Watson et David L. Woodruff: Pyomo - Optimisation Modélisation en Python, vous pouvez écrire des fonctions avec _rule ajouté à eux, puis lorsque vous définissez votre contrainte juste nommez le même sans utiliser de règle, par exemple

def BOIL_off_rule (m,t): 
    return (0,m.f["BOIL",t]*Boiler_max,Boiler_max*y["BOIL",t]) 
m.BOIL_off = Constraint(m.P) 

Toutefois, cela ne semble pas fonctionner (peut-être parce que dans le livre qu'ils utilisent coopr qui comprend d'autres bibliothèques/modules et non seulement Pyomo)