需要帮助来加速创建 Pyomo 模型实例-解网

问：

我的 pyomo 几乎 100% 的时间都花在创建模型实例上。我的代码如下所示：

import pyomo.environ as pyo
import materialAllocation_data_parsing
import cProfile as profile
import pstats

model = pyo.AbstractModel()

model.TH = pyo.Param(initialize=6) 
model.NF = pyo.Param(within=pyo.NonNegativeIntegers) 
model.NR = pyo.Param(within=pyo.NonNegativeIntegers) 

model.I = pyo.RangeSet(1, model.NR) 
model.J = pyo.RangeSet(1, model.NF) 
model.T = pyo.RangeSet(1, model.TH) 

model.R = pyo.Param(model.I, model.J, default = 0) 
model.PO = pyo.Param(model.I, model.T, default = 0) 
model.dFG = pyo.Param(model.J, model.T, default = 0) 
model.RM0 = pyo.Param(model.I, within=pyo.NonNegativeReals) 
model.FG0 = pyo.Param(model.J, within=pyo.NonNegativeReals) 
model.C = pyo.Param(model.J, within=pyo.NonNegativeReals) 
model.S = pyo.Param(model.J, within=pyo.NonNegativeReals) 

model.X = pyo.Var(model.T, model.J, domain=pyo.NonNegativeIntegers)

def obj_expression(m):
    return sum(m.S[j]*m.X[t,j] for t in m.T for j in m.J)

model.OBJ = pyo.Objective(rule=obj_expression, sense=pyo.maximize)

def rm_constraint_rule(m, i, t):
    rg= pyo.RangeSet(1,t)
    return m.RM0[i]+sum( -(m.X[t1, j] * m.R[i, j])  for j in m.J for t1 in rg) + sum(m.PO[i, t1] for t1 in rg)  >= 0

def fg_constraint_rule(m, j, t):
    rg = pyo.RangeSet(1,t)
    return m.FG0[j] + sum( - m.X[t1,j] + m.dFG[j,t1] for t1 in rg) >= 0

def cp_constraint_rule(m, j, t):
    return m.X[t,j] <= m.C[j]

model.rmConstraint = pyo.Constraint(model.I, model.T, 
rule=rm_constraint_rule)
model.fgConstraint = pyo.Constraint(model.J, model.T, 
rule=fg_constraint_rule)
model.cpConstraint = pyo.Constraint(model.J, model.T, 
rule=cp_constraint_rule)

data = data_parsing()


instance = model.create_instance(data, report_timing=True)

opt = pyo.SolverFactory('glpk')

有没有办法加速模型实例化？我认为大部分时间都花在创建这些约束上。如果这是加速模型实例化的方法，谁能帮我以矩阵形式编写这些约束？谢谢！！

我试过pypy。它可以将一个小问题从 10 分钟加速到 2 分钟。尽管如此，仅仅处理一个现实问题是不够的。同时，Pypy 显著减慢了数据采集部分的速度，即使用 pandas。

矩阵约束 pyomo pypy

如果不看更多的代码，真的不可能给你好的建议。你有没有放一些时间标记？ + 数据采集可能是瓶颈。从您提供的一小段代码来看，您应该做的第一件事就是不要在函数内部创建新代码。只需在模型的主要部分制作一个，命名并重复使用即可。pandaspyo.RangeSet

0赞 quan long 5/26/2023

好主意。。。但 t 是每个约束的输入。RangeSet（1，t）在函数中是可以避免的吗？

0赞 quan long 5/26/2023

我在这里发布所有代码

答：

0赞 AirSquid 5/26/2023 #1

代码没有什么奇怪的，从细节上仍然不清楚什么是消耗时间。它可能是数据处理，模型可能是巨大的，也可能是???

无论如何，您可以采取第一个逻辑步骤，并在约束中使用常规的 python 生成器，而不是创建新的range()pyo.RangeSet

我会更改它（以及类似的其他约束）：

def rm_constraint_rule(m, i, t):
    rg= pyo.RangeSet(1,t)
    return m.RM0[i]+sum( -(m.X[t1, j] * m.R[i, j])  for j in m.J for t1 in rg) + sum(m.PO[i, t1] for t1 in rg)  >= 0

对此：

定义rm_constraint_rule（m， i， t）：返回 m.RM0[i]+sum（ -（m.X[t1， j] * m.R[i， j]） for j in m.J for t1 in range（1， t+1） + sum（m.PO[i， t1] for t1 in range（1， t+1） >= 0

需要帮助来加速创建 Pyomo 模型实例

need help to accelerate creating pyomo model instance

评论

评论