如何在Pyomo中动态地将变量添加到列表中？

Question

作为创建具体模型时触发的BuildAction规则的一部分，我动态地创建额外的“内部”决策变量（取决于构建时提供的数据）

除了创建这些变量（在约束表达式中使用），我知道我还需要将它们添加到模型中，以避免“变量'XXX'不是要写出的模型的一部分，而是出现在这个模型上使用的表达式中。”错误

VarList类似乎就是为此而设计的（类似于ConstraintList类，我已经成功地将其用于动态创建的约束）。但是，我找不到关于如何从预先创建的变量填充VarList的文档。我可以创建一个VarList并向其中添加变量，但这并不能控制变量的创建方式

import pyomo.environ as pyo

self.vl = pyo.VarList()
newVar = self.vl.add() # this does not give me control over the variable creation
# and I can't set all required properties of newVar, once created

似乎我应该能够通过传递一个变量字典来创建一个VarList，但是我找不到说明这是如何工作的文档或示例

Answer 1

VarList的工作原理与Pyomo中的IndexedVar非常相似 您需要了解以下几点：

1. 变量索引不断变化，这意味着您需要检查实际长度，以避免添加您不使用的变量，或使用尚未添加的变量

2. VarList().add()方法将变量添加到变量类型中。这意味着，如果VarList()被创建为整数或非负变量，则您将添加的所有变量将分别为整数或非负变量

我将写下一个示例，向您展示它的工作原理：

import pyomo.environ as pyo

#set the model
model = pyo.ConcreteModel()
#add variables in a for loop
#using add() method will add the variables
model.x = pyo.VarList(domain=pyo.Integers)
for i in range(2):
    model.x.add()    #Add a new index to defined variable x
#adding constraints
#Indexed variable starts at 1 and not in 0
model.myCons1 = pyo.Constraint(expr=2*model.x[1] + 0.5*model.x[2] <=20)
model.myCons2 = pyo.Constraint(expr=2+model.x[1] + 3*model.x[2] <=25)
#add an objective
model.Obj = pyo.Objective(expr=model.x[1] + model.x[2], sense=pyo.maximize)

#Solvint using gurobi
solver = pyo.SolverFactory('gurobi')
solver.solve(model, tee=True)
#Display the x variable results
model.x.display()

这将导致以下输出（我将省略解算器输出的大部分）

Optimal solution found (tolerance 1.00e-04)
Best objective 1.300000000000e+01, best bound 1.300000000000e+01, gap 0.0000%
x : Size=2, Index=x_index
    Key : Lower : Value : Upper : Fixed : Stale : Domain
      1 :  None :   8.0 :  None : False : False : Integers
      2 :  None :   5.0 :  None : False : False : Integers

如果开始使用kernel建模层，还可以使用pyomo.kernel.variable_list类，其工作原理与此方法非常类似。您可以在Pyomo documentation中检查它，不同的是您可以将不同类型的变量分配给同一个列表

我不完全理解您在建模什么，但是您可以始终使用AbstractModel()类，然后使用model.create_instance(data=data)填充一些外部数据（无论是.dat文件还是dict）。这样，您的模型总是在某些已定义的集合中参数化