将求解器 GRG 非线性函数转换为 PuLP

Question

我的任务是将求解器中使用的 GRG 非线性问题转换为 python。由于我没有 NLP 经验，我正在尝试将其转换为 LP 问题。

我们有十二个变量代表一年中每月产生的太阳能，十二个常量代表每月电网消耗。 objective就是最大化十二个变量的总和。在 PuLP 中，我们用以下方式表示这些变量：

problem = LpProblem("Test_Problem", LpMaximize)
grid_consumption = [190, 409, 273, 424, 351, 412, 360, 509, 280, 241, 263, 175]
total_grid_consumption = sum(consumo_odf)
fv_productions = LpVariable.dicts('fv', list(range(12)))

有五个约束，一些显式依赖于变量，一些隐式依赖。

例如，其中一个限制规定太阳能发电量不能大于电网消耗量，这是一个常数。在 PuLP 中，我们这样表示这个约束：

for i in range(12):
    fv_i - grid_consumption[i] <= 0

让我们头疼的一个限制是，1/3 的自耗必须大于补偿能量。如果后者低于太阳能发电量（fv_i），则每月自用量等于电网用量，否则等于太阳能发电量：

for i in range(12):
    if(fv_i>grid_consumption[i]):
        self_consumption[i] = grid_consumption[i]
    else:
        self_consumption[i] = fv_i

Excel 求解器对此约束没有问题，但我们不知道如何将其转换为 PuLP 约束。欢迎任何帮助。这是我的第一个问题，所以如果我能提供更多信息，请告诉我。谢谢

Answer 1

好的，所以我设法解决了它。结果我不得不再添加两个约束：

for i in range(12):
    self_consumption[i] <= grid_consumption[i]
    self_consumption[i] <= fv_i

由于是最大化类型的问题，每个变量的值都会低于电网消耗和太阳能发电量之间的最低值。

将求解器 GRG 非线性函数转换为 PuLP

Transform Solver GRG Nonlinear function into PuLP

python

excel

linear-programming

solver

pulp