Dataframe 在数据帧中保存跳转优化结果的紧凑方法

我想以一种有效的方式保存我完成的lp优化的所有变量和双变量。我目前的解决方案是可行的，但既不优雅，也不适合具有许多变量和约束的大型优化程序，因为我定义并推送！将每个变量分别放入数据帧中。是否有一种方法可以使用对偶的所有变量（）和所有约束（）迭代变量？在迭代过程中，我希望将结果推送到带有变量索引名的DataFrames中作为列，并将DataFrame保存在Dict（）中。 一个概念性的例子是变量：

Result_vars = Dict()
for vari in all_variables(Model)
Resul_vars["vari"] = DataFrame(data=[indexval(vari),value(vari)],columns=[index(vari),"Value"]) 
end

跳转和数据帧中声明变量的外观示例：

@variable(Model, p[t=s_time,n=s_n,m=s_m], lower_bound=0,base_name="Expected production")

结果_vars[p]大致如下所示：

t,n,m,Value
1,1,1,50
2,1,1,60 
3,1,1,145

---

大概你可以这样做：

x = all_variables(model)
DataFrame(
    name = variable_name.(x),
    Value = value.(x),
)

for (F, S) in list_of_constraint_types(model)
    for con in all_constraints(model, F, S)
        @show dual(con)
    end
end

如果您想要一些更复杂的结构，您需要编写自定义代码

T, N, M, primal_solution = [], [], [], []
for t in s_time, n in s_n, m in s_m
    push!(T, t)
    push!(N, n)
    push!(M, m)
    push!(primal_solution, value(p[t, n, m]))
end
DataFrame(t = T, n = N, m = M, Value = primal_solution)

有关约束，请参见此处：。你想要的是：

x = all_variables(model)
DataFrame(
    name = variable_name.(x),
    Value = value.(x),
)

for (F, S) in list_of_constraint_types(model)
    for con in all_constraints(model, F, S)
        @show dual(con)
    end
end

---

多亏了奥斯卡，我建立了一个解决方案，可以帮助自动提取结果。 解决方案是围绕使用变量定义中的

base\u name

命名约定构建。可以将变量定义复制粘贴到

base\u name

中，后跟

：

。例如：

@variable(Model, p[t=s_time,n=s_n,m=s_m], lower_bound=0,base_name="p[t=s_time,n=s_n,m=s_m]:")

可以更改命名约定和语法，例如添加注释，也可以不定义

基本名称

。以下函数将

base\u name

划分为变量名、集合（如果需要）和索引：

function var_info(vars::VariableRef)
    split_conv = [":","]","[",","]
    x_str = name(vars)
    if occursin(":",x_str)
        x_str = replace(x_str, " " => "") #Deletes all spaces
        x_name,x_index = split(x_str,split_conv[1]) #splits raw variable name+ sets and index
        x_name = replace(x_name, split_conv[2] => "")
        x_name,s_set = split(x_name,split_conv[3])#splits raw variable name and sets
        x_set = split(s_set,split_conv[4])

        x_index = replace(x_index, split_conv[2] => "")
        x_index = replace(x_index, split_conv[3] => "")
        x_index = split(x_index,split_conv[4])
        return (x_name,x_set,x_index)
    else
        println("Var base_name not properly defined. Special Syntax required in form     var[s=set]:  ")
    end
    
end

接下来的函数为原始解决方案（“值”）创建列和索引值加上列

最后，最后一个函数创建Dict，该Dict以前面提到的样式保存数据帧中变量的所有结果：

function create_var_dict(model)
    Variable_dict=Dict(vars[1]
            =>DataFrame(Dict(vars[2][1][cols] 
                =>create_sol_matrix(vars,model)[cols,:] for cols in 1:size(vars[2][1])[1]))
                    for vars in unique([[String(var_info(x)[1]),[create_columns(x)]] for x in all_variables(model)]))
    return Variable_dict
end

将这些函数添加到脚本中后，只需调用

create\u var\u dict（）

，即可检索优化后变量的所有解：

请注意：它们是嵌套函数。更改命名约定时，可能还需要更新其他函数。如果添加更多注释，则必须避免使用

[

，

]

和

，

。 这个解决方案显然远远不是最优的。我相信有一个更有效的解决方案可以回到MOI