Pyomo：是否可以仅将定义的值分配给设计变量？答案

【问题标题】：Pyomo: is possible to assign to a design variable only defined values?Pyomo：是否可以仅将定义的值分配给设计变量？
【发布时间】：2019-10-15 12:25:04
【问题描述】：

我希望设计变量在优化过程中只假设指定的值。

例如：令 x 为只能取特定值的变量，例如：

x = [0.1,0.5,1.0,1.7,2.3]

如何使用 pyomo 用 python 编写（如果可能的话）？

我希望我是清楚的。

【问题讨论】：

【解决方案1】：

您必须使用整数变量来执行此操作。例如，如果有N 的可能值x，则如果x 等于nth 可能值，则让x[n] = 1，否则0。只要您的原始模型中有 x，请将其替换为

sum {n=1,...,N} v[n] * x[n]

其中v[n] 是nth 可能的值。最后，添加一个约束：

sum {n=1,...,N} x[n] == 1

我不是用 Pyomo 语法编写这些，但这是一种通用的建模方法，无论您使用什么建模语言/包，它都是相同的。

【讨论】：

感谢您的回答。我已经将问题建模为 MINLP，我已经将变量定义为整数变量。但现在我想更具体一点。
更具体的是什么？您是否在问是否可以在 Pyomo 中对来自离散集的变量进行建模，声明新的整数变量？
也许我没有解释清楚，对不起。我要做的是声明我的变量只能采用特定值，例如列表中的值，我个人填写。
在这种情况下，我认为不可能自动执行此操作。例如，如果你声明model.A = Set(initialize=[0.1,0.5,1.0,1.7,2.3])，然后声明你的变量像model.x = Var(domain=model.A)，Pyomo 会给出一个错误，即域不是连续的、整数或二进制的——这表明这些是唯一允许的域。但是，请注意，即使 Pyomo 可以按照您的要求进行操作，它仍会“在幕后”转换为整数变量，因此在语法上可能更容易，但在计算上不会更快。跨度>