如何在 Google Colab 中使用 Pyomo 解决抽象模型答案

【问题标题】：How to solve an abstract model using Pyomo in Google Colab如何在 Google Colab 中使用 Pyomo 解决抽象模型
【发布时间】：2022-01-21 02:07:21
【问题描述】：

我正在学习如何在 Google Colab 中使用 Pyomo，并创建了一个抽象模型，但我不知道读取数据文件和求解模型的编码。该文档提供了有关命令提示符的说明，但在我使用 Google Colab 时并非如此。

非常感谢您的帮助。

【问题讨论】：

我的 2 美分：如果您刚刚开始，请让ConcreteModels 几乎总是更容易，如果数据太大而无法手动插入，请使用常规 python 读取数据源（ s) 并且仍然从中构建一个ConcreteModel。
感谢您的回复。我的模型有很多数据，所以 ConcreteModel 没有用。另外，我现在的电脑没有直接支持Python的能力，所以需要使用Google Colab

标签： google-colaboratory pyomo

【解决方案1】：

!pip install pyomo 
from pyomo.environ import *
import matplotlib.pyplot as plt
!wget -N -q "https://ampl.com/dl/open/ipopt/ipopt-linux64.zip"
!unzip -o -q ipopt-linux64

model = AbstractModel()
model.x = Var(bounds=(0,1.2), within=Reals)
model.obj1 = Objective(expr=model.x**2, sense=maximize)
#opt = SolverFactory('ipopt')
opt=SolverFactory('ipopt', executable='/content/ipopt')
instance = model.create_instance()
results = opt.solve(instance) # solves and updates instance
print('OF= ',value(instance.obj1))

【讨论】：

感谢您的回复。使用带有我的参数信息的数据文件 .dat 后，出现以下错误：ValueError：Pyomo 模型约束或目标中没有出现变量。 NL 文件接口不支持此文件 .dat 具有以下结构： set I := 1 ;设置 J := 1 2 ;参数 a := 1 1 3 1 2 4 ;参数 c:= 1 2 2 3 ;参数 b := 1 1 ;结束;