Python 为什么；没有这样的文件或目录；在pyomo中使用ipopt解算器时？

当我运行一个非常简单的问题时，我偶尔会从

ipopt

解算器中得到这个错误：

没有这样的文件或目录：'/var/folders/4f/z25gj3\u d29b45\u 2nx87p8rvr0000gn/T/tmpwMeEAK.pyomo.sol'

。这一次我看到了，我真的想弄明白为什么会这样

这是我的模型，具有非常基本的约束条件和目标函数：

cm=ConcreteModel()

a = Var([1,2], [0,1,2,3], domain=Reals)
b = Var([1,2], [0,1,2,3], domain=Reals)
c = Var([0,1,2,3], domain=Reals)

cm.q = a
cm.p = b
cm.u = c

cm.end_a_1 = Constraint(expr=(a[1,3] == 1.0))
cm.end_b_2 = Constraint(expr=(b[2,3] == 0.0))
cm.end_a_2 = Constraint(expr=(a[2,3] == 1.0))
cm.start_a_2 = Constraint(expr=(a[2,0] == 0.0))
cm.start_a_1 = Constraint(expr=(a[1,0] == 1.0))
cm.start_b_2 = Constraint(expr=(b[2,0] == -11.0))
cm.start_b_1 = Constraint(expr=(b[1,0] == -11.0))
cm.end_b_1 = Constraint(expr=(b[1,3] == 0.0))
cm.constr_a_1_1 = Constraint(expr=a[1,2] == a[1,1] + a[2,1])
cm.constr_a_1_0 = Constraint(expr=a[1,1] == a[1,0] + a[2,0])
cm.constr_b_1_0 = Constraint(expr=(b[1,1] == (b[1,0] + -(b[2,0]))))
cm.constr_b_1_1 = Constraint(expr=(b[1,2] == (b[1,1] + -(b[2,1]))))
cm.constr_b_1_2 = Constraint(expr=(b[1,3] == (b[1,2] + -(b[2,2]))))
cm.constr_b_2_2 = Constraint(expr=(b[2,3] == (b[2,2] + -(b[1,2]))))
cm.constr_b_2_1 = Constraint(expr=(b[2,2] == (b[2,1] + -(b[1,1]))))
cm.constr_b_2_0 = Constraint(expr=(b[2,1] == (b[2,0] + -(b[1,0]))))
cm.constr_a_2_2 = Constraint(expr=(a[2,3] == (a[2,2] + a[1,2])))
cm.constr_a_2_0 = Constraint(expr=(a[2,1] == (a[2,0] + a[1,0])))
cm.constr_a_2_1 = Constraint(expr=(a[2,2] == (a[2,1] + a[1,1])))
cm.constr_a_1_2 = Constraint(expr=(a[1,3] == (a[1,2] + a[2,2])))

oe=c[0]
o = Objective(expr=oe)
cm.objective=o
cm_results = SolverFactory('ipopt').solve(cm)

当然，当我解决上述问题时，我会得到一个回溯：

/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pyomo/opt/plugins/sol.pyc in __call__(self, filename, res, soln, suffixes)
     44         """
     45         try:
---> 46             with open(filename,"r") as f:
     47                 return self._load(f, res, soln, suffixes)
     48         except ValueError as e:

IOError: [Errno 2] No such file or directory: '/var/folders/4f/z25gj3_d29b45_2nx87p8rvr0000gn/T/tmpwMeEAK.pyomo.sol'

现在，真正奇怪的是，当我去掉最后三个约束（即注释掉）：

那么解算器就没有问题了

---

是什么导致了这个错误？当最后的几个约束被移除时，为什么它会得到解决呢？

我很久没有使用这个库了，但有一句简短的评论：

您的错误（在我的解释中）表明未找到解决方案（解决方案使用

.sol

后缀）。更准确地说：解算器认为没有可行的解决方案（并且不会生成有效的输出文件）。在不检查问题的情况下，添加/删除约束通常会对可行性产生这种影响

关于用法的基本问题是：为什么这个相当正常的状态如此模糊？在我看来，你使用lib是错误的在检查是否有解决方案之前，您不应该读出解决方案您正在使用

cm\u results=SolverFactory（'ipopt'）.solve（cm）

隐式执行此操作。 但由于我很长时间没有使用它（因为在凸面世界中有更好的替代方案；但是是的，ipopt的好接口很少见），我无法向您展示代码。但我记得在官方博客或至少一些用户论坛/邮件列表中有一些关于输出阅读前状态检查的例子

---

除此之外：我认为还有一个日志文件，您可以读出它来强化我的想法（可能类似于：“问题不可行”；基本上每次都涉及3个文件：输入、输出、日志）

我很长一段时间没有使用这个lib，只是说了一句简短的话：

您的错误（在我的解释中）表明未找到解决方案（解决方案使用

.sol

后缀）。更准确地说：解算器认为没有可行的解决方案（并且不会生成有效的输出文件）。在不检查问题的情况下，添加/删除约束通常会对可行性产生这种影响

关于用法的基本问题是：为什么这个相当正常的状态如此模糊？在我看来，你使用lib是错误的在检查是否有解决方案之前，您不应该读出解决方案您正在使用

cm\u results=SolverFactory（'ipopt'）.solve（cm）

隐式执行此操作。 但由于我很长时间没有使用它（因为在凸面世界中有更好的替代方案；但是是的，ipopt的好接口很少见），我无法向您展示代码。但我记得在官方博客或至少一些用户论坛/邮件列表中有一些关于输出阅读前状态检查的例子

---

除此之外：我认为还有一个日志文件，您可以读出它来强化我的想法（可能类似于：“问题不可行”；基本上每次都涉及3个文件：输入、输出、日志）

这种从Ipopt退出表示在求解过程中存在内部错误（可能与可行性无关）。Pyomo（5.2）的最新版本已经过更新，以更好地处理这种情况。如果将

tee=True

添加到

solve（）

调用中，它将流式传输Ipopt输出，您应该可以获得更多信息

此外，在使用解决方案之前，应始终检查解决状态。当我懒惰时，我通常会做如下事情：

ipopt = SolverFactory("ipopt")
result = ipopt.solve(model)
assert str(result.solver.status) == "ok"
assert str(result.solver.termination_condition) == "optimal"

---

您可以对此进行修改以处理不同的退出条件。

这种从Ipopt退出的方式表明在求解过程中存在内部错误（可能与可行性无关）。Pyomo（5.2）的最新版本已经过更新，以更好地处理这种情况。如果将

tee=True

添加到

solve（）

调用中，它将流式传输Ipopt输出，您应该可以获得更多信息

此外，在使用解决方案之前，应始终检查解决状态。当我懒惰时，我通常会做如下事情：

ipopt = SolverFactory("ipopt")
result = ipopt.solve(model)
assert str(result.solver.status) == "ok"
assert str(result.solver.termination_condition) == "optimal"

---

您可以修改此选项以处理不同的退出条件。

好的，我会尝试。非常奇怪的是，

pyomo

会有这样一个内部错误……这可能是一个bug。python中是否有其他的解算器可以避免类似的事情？这不是Pyomo中的内部错误。这发生在Pyomo将模型发送到的外部解算器中。对于Ipopt，通常情况下，这与初始起点不好或迭代有关，其中解算器尝试在函数不可微的点（例如sqrt（0））计算函数的导数。通常有很多方法可以对此进行建模。有很多其他的解算器可以与Pyomo进行交互，你只需要在你的机器上安装它们。看起来您的模型是线性的，所以GLPK将是一个选项（免费）。你只需要确保glpsol可执行文件在你的路径中（看起来你已经为Ipopt做了）。我解决的问题是控制理论，它们通常是非线性的。通常目标函数是哈密顿函数，或某种类型的多项式。你会推荐什么解决方案？pyomo的新版本（

5.2.1

）似乎对此没有帮助。我只是做了我建议你做的事情（add tee=True），Ipopt打印了一条非常清晰的错误消息。你的问题自由度太少（等式约束比变量多）。好的，我试试看。非常奇怪，

pyomo

会有这样一个内部