如何在 pyomo 中声明非线性目标函数？和声明约束的有效方式？答案

【问题标题】：how to declare a non linear objective function in pyomo? and efficient way of declaring constraints?如何在 pyomo 中声明非线性目标函数？和声明约束的有效方式？
【发布时间】：2019-04-26 05:25:43
【问题描述】：

我试图在 Pyomo 中声明一个非线性目标约束，每次我尝试使用 Bonmin Solver 解决它时，都会收到以下错误：

错误：求解器 (asl) 返回非零返回码 (3221225477) 错误：求解器日志：Bonmin 1.8.6 使用 Cbc 2.9.9 和 Ipopt 3.12.8 bonmin： Traceback（最近一次调用最后一次）：

文件“”，第 2 行，在结果 = opt.solve(模型)

文件“C:\Anaconda\lib\site-packages\pyomo\opt\base\solvers.py”，第 626 行，在求解 "求解器 (%s) 没有正常退出" % self.name)

ApplicationError: Solver (asl) 没有正常退出

我的目标函数定义是：

`def obj_func(model):
   global summer
   summer = 0
   global volumer
   volumer = 0
   for i in range(0,len(data)):
        summer += model.x[i]*data.loc[i,'Predicted.Profit']
   for j in range(0,len(data)):
        volumer += model.x[j]*data.loc[j,'Predicted.Liters.Sold']
   return summer/volumer`

我正在通过 SolverFactory 调用求解器，最后，我还想知道创建约束的最有效方法，因为我有 100+ 范围的约束，其中一些是非线性的。当我尝试使用此模型解决问题时，我的内存使用率飙升至 100%，并且我的计算机挂起。

【问题讨论】：

查找日志。它们被写入某个地方。但这听起来就像一个内存错误，然后很难推荐一些不同于解决较小模型或购买 ram 的东西。它看起来像是一般 nlp 求解器通常无法扩展的 ML 任务。
“看起来像是一般 nlp 求解器通常无法扩展的 ML 任务”是什么意思？
您是否正在使用大数据进行机器学习？然后不要指望能够使用一般的非线性 opt
不，我有大小为 (178848,40) 的数据集。我能够非常轻松地运行 CBC，但使用 BONMIN 或 COUENNE 失败
这很大，你不应该将线性选择与非线性选择进行比较。

标签： python constraints nonlinear-optimization pyomo

【解决方案1】：

您应该检查求解器输出以了解它失败的原因。您可以通过在调用求解器时添加tee=True 选项将此输出打印到屏幕：

SolverFactory('bonmin').solve(model, tee=True)

此外，在声明 Pyomo 约束和目标时，应避免使用 +=。在构建 Pyomo 表达式时，它通常会导致性能显着下降。以下是编写目标函数的推荐方法：

def obj_func(model):
   return sum(model.x[i]*data.loc[i,'Predicted.Profit'] for i in model.I)/sum(model.x[j]*data.loc[j,'Predicted.Liters.Sold'] for j in model.J)
model.Objective(rule=_obj_func)

其中 model.I 和 model.J 是 Pyomo Set 组件或 Python 列表。

【讨论】：