Python-Pyomo:Pyomo中的变量域错误_Python_Pyomo

Python-Pyomo:Pyomo中的变量域错误

python

Python-Pyomo:Pyomo中的变量域错误,python,pyomo,Python,Pyomo,我想解决一个整数规划问题，其中决策变量被限制在一个特定的集合中例如，在[2，5，7，10]中必须选择决策变量席。< /P> 为了进行测试，我使用Pyomo编写了python代码，如下所示： from pyomo.environ import * model = AbstractModel() model.X = Set(initialize=[2, 5, 7, 10]) model.x = Var(within=model.X) model.obj = Objective(expr=model

我想解决一个整数规划问题，其中决策变量被限制在一个特定的集合中

例如，在[2，5，7，10]中必须选择决策变量席。< /P> 为了进行测试，我使用Pyomo编写了python代码，如下所示：

from pyomo.environ import *
model = AbstractModel()
model.X = Set(initialize=[2, 5, 7, 10])
model.x = Var(within=model.X)
model.obj = Objective(expr=model.x+1)
m = model.create_instance()
opt = SolverFactory("glpk")
results = opt.solve(m)

执行这些代码时，我收到一条错误消息： TypeError:名为“x”的变量的域类型无效。变量不是连续的、整数的或二进制的

以下是我的问题：

这个错误的原因是什么
如何处理
是否有其他优化工具可以处理此类问题

谢谢你的帮助

这个错误的原因是什么
如错误所示，GLPK等混合整数线性解算器只能处理连续、二进制和一般整数变量。当您指定
```
model.X = Set(initialize=[2, 5, 7, 10])
model.x = Var(within=model.X) 
```
您正试图创建一个离散的分类变量，虽然Pyomo可以在内部表示该变量，但它无法传递给特定的解算器

如何处理

有一种使用一组二进制变量的标准格式：

model.X = Set(initialize=[2, 5, 7, 10])
model.select_x = Var(model.X, domain=Binary)
model.x = Var()
def pick_one(m):
    return 1 == sum(m.selext_x[i] for i in m.X)
model.pick_one = Constraint(rule=pick_one)
def set_x(m):
    return m.x == sum(i*m.select_x[i] for i in m.X)
model.set_x = Constraint(rule=set_x)

是否有其他优化工具可以处理此类问题
虽然有一些解算器可以处理离散的分类变量，但使用上面的重新表述可能会更好

这个错误的原因是什么
如错误所示，GLPK等混合整数线性解算器只能处理连续、二进制和一般整数变量。当您指定
```
model.X = Set(initialize=[2, 5, 7, 10])
model.x = Var(within=model.X) 
```
您正试图创建一个离散的分类变量，虽然Pyomo可以在内部表示该变量，但它无法传递给特定的解算器

如何处理

有一种使用一组二进制变量的标准格式：

model.X = Set(initialize=[2, 5, 7, 10])
model.select_x = Var(model.X, domain=Binary)
model.x = Var()
def pick_one(m):
    return 1 == sum(m.selext_x[i] for i in m.X)
model.pick_one = Constraint(rule=pick_one)
def set_x(m):
    return m.x == sum(i*m.select_x[i] for i in m.X)
model.set_x = Constraint(rule=set_x)

是否有其他优化工具可以处理此类问题
虽然有一些解算器可以处理离散的分类变量，但使用上面的重新表述可能会更好