使用 pyomo 的集合定义矩阵的正确方法

Question

我得到了一个 pyomo 确定性优化模型，我已使用随机配置方法将其转换为随机模型。

但是，我在保存输出时遇到了问题。我已经定义了随机节点的数量（状态变量值的数量）

m.particle_number = Param(initialize = count)
m.K = Set(initialize = range(1,value(m.particle_number)+1))

在此之后，模型定义了一系列长度为 m.n 的列表，其中评估模型的点数。这是一个例子。

position_phi     = list(range(0,value(m.n)+1))

我需要将这些一维列表转换为 m.K 维度。我试着写

position_phi     = list(range(0,value(m.n)+1), range(0,value(m.K)+1))

相反。但是，我收到以下错误：

TypeError: Cannot evaluate object with unknown type: SimpleSet

有人可以向我解释为什么我不能构造大小为 m.n*m.k 的矩阵吗？

Answer 1

我不完全清楚你的模型试图做什么，但你可以在 Pyomo 中通过将两者相乘来创建两个集合的叉积。

import pyomo.environ as pe
m = pe.ConcreteModel()
m.K = pe.Set(initialize=[1, 2, 3])
m.n = pe.Set(initialize=[4, 5, 6, 7])
m.position_phi = m.K * m.n

这将使 m.position_phi 的元素成为 [(1, 4), (1, 5), ...]

然后您可以按如下方式使用此集合：

m.whatever = pe.Param(m.position_phi, intitialize={(1, 4):4, (3, 6):6}, default=0)

然后当您调用 m.pprint() 时，您会看到如下内容：

3 Set Declarations
    K : Dim=0, Dimen=1, Size=3, Domain=None, Ordered=False, Bounds=(1, 3)
        [1, 2, 3]
    n : Dim=0, Dimen=1, Size=4, Domain=None, Ordered=False, Bounds=(4, 7)
        [4, 5, 6, 7]
    position_phi : Dim=0, Dimen=2, Size=12, Domain=None, Ordered=False, Bounds=None
        Virtual

1 Param Declarations
    whatever : Size=12, Index=position_phi, Domain=Any, Default=0, Mutable=False
        Key    : Value
        (1, 4) :     4
        (3, 6) :     6

4 Declarations: K n position_phi whatever

此外，在 Python 中使用超过 1 个参数调用 list() 应该会抛出 TypeError。

使用 pyomo 的集合定义矩阵的正确方法

Proper way to define a matrix using pyomo's sets

python

matrix

evaluate

pyomo