Gurobi 使用 Python：带变量的 Objective 函数中的插值函数
Gurobi using Python: Interpolation Function in Objective Function with Variables
我正在尝试使用 Gurobi 来最小化柴油发电机的油耗。每台柴油发电机的瞬时燃料消耗是使用基于发电机负载和容量（即 70% 负载和 20kW 容量）的样本值的网格插值法计算的。此函数的创建如下所示：
Fuel_Map_X, Fuel_Map_Y = np.meshgrid(Fuel_Map_Load,Fuel_Map_Size)
f = interpolate.interp2d(Fuel_Map_X,Fuel_Map_Y,Fuel_Map_Data,kind='linear')
Testvalue = f(0.7,20)
所以TestValue的输出是指定发电机的瞬时油耗。现在，在我的 Gurobi 模型中，每台发电机的负载和容量都是变量。所有发电机的燃料消耗总和是需要最小化的。当我尝试使用插值函数和变量作为输入来计算油耗时，出现以下错误：
TypeError: Cannot cast array data from dtype('O') to dtype('float64') according to the rule 'safe'
有谁知道是否有解决方法，以便我可以使用以变量作为输入的插值函数？我尝试将油耗作为约束条件而不是 objective，但收到了同样的错误。
根据要求，这里是我如何使用 Gurobi 定义相关变量并将它们形成所需的 objective 函数（不起作用）：
# Defining Gurobi Variables
Load1 = m.addVars(T,name="Load1")
Cap1 = m.addVar(vtype=GRB.INTEGER,name="Cap1") # Capacity of Cat. 1 component chosen
# Gurobi Objective Function
obj = sum(f(Load1[t],Cap1) for t in range(T))
m.setObjective(obj, GRB.MINIMIZE)
此外，您可以假设变量已经计算成功，并且有约束条件，但它们并不重要，因为它们对我的问题的影响为零。
提前致谢！
Gurobi 旨在解决具有二次或线性表达式的混合整数问题，因此它只能解决符合 its canonical forms 之一的模型。尝试将函数 f() 转换为分段线性表达式。
我正在尝试使用 Gurobi 来最小化柴油发电机的油耗。每台柴油发电机的瞬时燃料消耗是使用基于发电机负载和容量（即 70% 负载和 20kW 容量）的样本值的网格插值法计算的。此函数的创建如下所示：
Fuel_Map_X, Fuel_Map_Y = np.meshgrid(Fuel_Map_Load,Fuel_Map_Size)
f = interpolate.interp2d(Fuel_Map_X,Fuel_Map_Y,Fuel_Map_Data,kind='linear')
Testvalue = f(0.7,20)
所以TestValue的输出是指定发电机的瞬时油耗。现在，在我的 Gurobi 模型中，每台发电机的负载和容量都是变量。所有发电机的燃料消耗总和是需要最小化的。当我尝试使用插值函数和变量作为输入来计算油耗时，出现以下错误：
TypeError: Cannot cast array data from dtype('O') to dtype('float64') according to the rule 'safe'
有谁知道是否有解决方法，以便我可以使用以变量作为输入的插值函数？我尝试将油耗作为约束条件而不是 objective，但收到了同样的错误。
根据要求，这里是我如何使用 Gurobi 定义相关变量并将它们形成所需的 objective 函数（不起作用）：
# Defining Gurobi Variables
Load1 = m.addVars(T,name="Load1")
Cap1 = m.addVar(vtype=GRB.INTEGER,name="Cap1") # Capacity of Cat. 1 component chosen
# Gurobi Objective Function
obj = sum(f(Load1[t],Cap1) for t in range(T))
m.setObjective(obj, GRB.MINIMIZE)
此外，您可以假设变量已经计算成功，并且有约束条件，但它们并不重要，因为它们对我的问题的影响为零。
提前致谢！
Gurobi 旨在解决具有二次或线性表达式的混合整数问题，因此它只能解决符合 its canonical forms 之一的模型。尝试将函数 f() 转换为分段线性表达式。