1

我最近开始做一些 OR，并一直在尝试使用 Pyomo 和 NEOS 来做一些优化问题。我一直在关注 UT Austin Pyomo 的一个讲座，当我的 GLPT 难以安装时，我转向 NEOS。我现在很难从 NEOS 收到已解决的答案。

我到目前为止是这样的：

from pyomo import environ as pe
import os

os.environ['NEOS_EMAIL'] = 'my registered email' 

model = pe.ConcreteModel()

model.x1 = pe.Var(domain=pe.Binary)
model.x2 = pe.Var(domain=pe.Binary)
model.x3 = pe.Var(domain=pe.Binary)
model.x4 = pe.Var(domain=pe.Binary)
model.x5 = pe.Var(domain=pe.Binary)

obj_expr = 3 * model.x1 + 4 * model.x2 + 5 * model.x3 + 8 * model.x4 + 9 * model.x5
model.obj = pe.Objective(sense=pe.maximize, expr=obj_expr)

con_expr = 2 * model.x1 + 3 * model.x2 + 4 * model.x3 + 5 * model.x4 + 9 * model.x5 <= 20
model.con = pe.Constraint(expr=con_expr)


solver_manager = pe.SolverManagerFactory('neos')

results = solver_manager.solve(model, solver = "minos")
print(results)

我收到的回报是解决方案的数量 = 0，而我知道一个存在的事实。我也看到我没有设置任何界限，那么我该怎么做呢？再一次，我对此很陌生，并且无法在其他地方找到任何关于此的文档，或者我只是不知道如何查找。

谢谢你的帮助！

4

1 回答 1

1

这是当前结果对象设计的“问题”。由于历史原因，该字段报告结果对象中包含的解决方案的数量，而不是求解器生成的解决方案的数量。默认情况下，Pyomo 求解器直接将求解器返回的解加载到原始模型中（既方便又高效），而不在结果对象中返回。您可以通过提供调用load_solutions=False来更改该行为。solve()

至于界限，你指的是什么界限？使用声明的参数或bounds=参数设置变量边界。对于您的示例，因为变量被声明为，它们都具有. 通过解析求解器输出来收集目标的界限。这取决于您正在使用的求解器（许多不报告边界信息）以及用于解析求解器结果的接口。Var()domain=Binary[0..1]

最后一点，您将 MIP 问题发送给 LP/NLP 求解器 (minos)。您将从求解器中获得二进制变量的分数。

于 2021-07-15T16:32:47.540 回答