如何在 Pyomo 中用开区间定义 Var？
How to define Var with an open interval in Pyomo?
Pyomo 提供了一些功能来向变量添加约束，例如 the document.
中的波纹管代码
model.LumberJack = Var(within=NonNegativeReals, bounds=(0,6), initialize=1.5)
但是，我想定义一个具有开区间约束的变量，例如(0, 1]。在我的理解中，bounds 参数表示 闭区间 ，因此，如果我将参数设置为 bounds=(0,1)，则表示 [0, 1].
我认为闭区间约束很常见，Pyomo 提供了这种功能，但我找不到。这是一个实施问题吗？或优化中的理论问题？
开区间意味着模型中的“严格较少”约束，即
variable < upper bound
而不是
variable <= upper bound
根据您的解决方案算法，这可能不受基础理论的支持。例如，在线性和混合整数规划理论中，不支持严格不等式。你唯一能拥有的就是<=和>=。
因此，即使 Pyomo 支持（半）开区间，解决问题的算法也可能不支持。
通常解决这个问题的方法是使用一个小的 epsilon 并写
variable <= upper bound - epsilon
“模拟”严格的不等式。这当然可能会带来数值上的困难。
最后，鉴于大多数算法都以有限的精度和数值容差运行，因此存在变量边界上的严格不等式应该意味着什么的问题。一旦公差大于 0，变量将被允许达到上限值，这将被认为在公差范围内可行。
Pyomo 提供了一些功能来向变量添加约束，例如 the document.
中的波纹管代码model.LumberJack = Var(within=NonNegativeReals, bounds=(0,6), initialize=1.5)
但是，我想定义一个具有开区间约束的变量，例如(0, 1]。在我的理解中，bounds 参数表示 闭区间 ，因此，如果我将参数设置为 bounds=(0,1)，则表示 [0, 1].
我认为闭区间约束很常见，Pyomo 提供了这种功能，但我找不到。这是一个实施问题吗？或优化中的理论问题？
开区间意味着模型中的“严格较少”约束，即
variable < upper bound
而不是
variable <= upper bound
根据您的解决方案算法，这可能不受基础理论的支持。例如，在线性和混合整数规划理论中，不支持严格不等式。你唯一能拥有的就是<=和>=。
因此，即使 Pyomo 支持（半）开区间，解决问题的算法也可能不支持。
通常解决这个问题的方法是使用一个小的 epsilon 并写
variable <= upper bound - epsilon
“模拟”严格的不等式。这当然可能会带来数值上的困难。
最后，鉴于大多数算法都以有限的精度和数值容差运行，因此存在变量边界上的严格不等式应该意味着什么的问题。一旦公差大于 0，变量将被允许达到上限值，这将被认为在公差范围内可行。