PAO 中子模型的目标和约束规则

Question

我的问题是关于 PAO 包的，我希望这是问的地方。

我想知道是否可以使用“规则”函数在双层 pao 模型中创建较低级别的目标或约束。

我想创建一个较低级别的目标并尝试了以下操作：

import pyomo.environ as pe
import pyomo.opt as po
from pao.pyomo import *


M = pe.ConcreteModel()
M.S = pe.RangeSet(1, 10)
M.x = pe.Var(M.S, bounds=(0, None))

M.L = SubModel(fixed=M.x)
M.L.y = pe.Var(M.S, bounds=(0, None))


def ul_obj_rule(M):
    """upper-level objective"""
    return(sum(M.x[i] + M.L.y[i] for i in M.S))

M.obj = pe.Objective(rule=ul_obj_rule, sense=pe.minimize)

def ll_obj_rule(M):
    return(sum(M.L.y[i] for i in M.S))

M.L.obj = pe.Objective(rule=ll_obj_rule, sense=pe.maximize)

这导致了一个错误： AttributeError: 'SubModel' object has no attribute 'S'

我尝试将与 M.S 相同的 Set 添加到子模型：

import pyomo.environ as pe
import pyomo.opt as po
from pao.pyomo import *


M = pe.ConcreteModel()
M.S = pe.RangeSet(1, 10)
M.x = pe.Var(M.S, bounds=(0, None))

M.L = SubModel(fixed=M.x)
M.L.y = pe.Var(M.S, bounds=(0, None))
M.L.S = pe.RangeSet(1, 10)


def ul_obj_rule(M):
    """upper-level objective"""
    return(sum(M.x[i] + M.L.y[i] for i in M.S))

M.obj = pe.Objective(rule=ul_obj_rule, sense=pe.minimize)

def ll_obj_rule(M):
    return(sum(M.L.y[i] for i in M.S))

M.L.obj = pe.Objective(rule=ll_obj_rule, sense=pe.maximize)

导致： AttributeError: 'SubModel' object has no attribute 'L'

创建相同的目标但使用“expr”而不是“rule”可以正常工作：

import pyomo.environ as pe
import pyomo.opt as po
from pao.pyomo import *


M = pe.ConcreteModel()
M.S = pe.RangeSet(1, 10)
M.x = pe.Var(M.S, bounds=(0, None))

M.L = SubModel(fixed=M.x)
M.L.y = pe.Var(M.S, bounds=(0, None))

M.obj = pe.Objective(expr=sum(M.x[i] + M.L.y[i] for i in M.S), sense=pe.minimize)

M.L.obj = pe.Objective(expr=sum(M.L.y[i] for i in M.S), sense=pe.maximize)

我在尝试初始化约束时遇到了同样的问题。有谁知道我是否以及如何在 PAO 中为双层模型设置目标或约束规则而不会遇到所描述的问题？

非常感谢您！

编辑：使用 M.model() 解决了它。该脚本有效：

import pyomo.environ as pe
import pyomo.opt as po
from pao.pyomo import *


M = pe.ConcreteModel()
M.S = pe.RangeSet(1, 10)
M.x = pe.Var(M.S, bounds=(0, None))

M.L = SubModel(fixed=M.x)
M.L.y = pe.Var(M.S, bounds=(0, None))

def ul_obj_rule(M):
    """upper-level objective"""
    mo = M.model()
    return(sum(mo.x[i] + mo.L.y[i] for i in M.S))

M.obj = pe.Objective(rule=ul_obj_rule, sense=pe.minimize)

def ll_obj_rule(M):
    mo = M.model()
    return(sum(mo.L.y[i] for i in mo.S))

M.L.obj = pe.Objective(rule=ll_obj_rule, sense=pe.maximize)

Answer 1

这是因为在最后一行调用函数 ll_obj_rule 时传入的“参数”是 M.L（而不是您期望的 M。）{并且 M.L（子模型）没有属性 L。 }

一个简单的解决方法是在 ll_obj_rule 中省略 L：

def ll_obj_rule(M):
    return(sum(M.y[i] for i in M.S))

在一个无关的注释上，我一直试图在 google colab 上运行 pao 失败，经常遇到这个错误。 “ImportError：无法从 'pyomo.core' 导入名称 'SimpleBlock'。”你以前遇到过这个错误吗？任何帮助将不胜感激