如果方差可用，则计算 pyomo 标准差

问：

我构造了一个 pyomo 代码，其中我计算 3 个向量的加权平均值为

def meanX_definition(model, i):
    return m.meanX[i] ==(m.x1[i]+4*m.x2[i]+m.x3[i])/6
m.meanX_const = Constraint(m.N, rule = meanX_definition)

然后，我将方差计算为

def varX_definition(model, i):
    return m.varX[i] ==((m.x1[i]-m.meanX[i])**2+ 4*(m.x2[i]-m.meanX[i])**2+(m.x3[i]-m.meanX[i])**2)/6
m.varX_const = Constraint(m.N, rule = varX_definition)

由于我的模型是随机模型，因此我想设置限制，因为 x1、x2 和 x3 必须定位在平均值和 +-2 标准差之间。

为此，我尝试将标准偏差计算为

def stdX_definition(model, i):
    return m.desvestX[i] == sqrt(m.varX[i])
m.stdX_const = Constraint(m.N, rule = stdX_definition)

和

def stdX_definition(model, i):
    return m.desvestX[i] == m.varX[i]**(0.5)
m.stdX_const = Constraint(m.N_notinitial_notfinal, rule = stdX_definition)

我还尝试定义所有点的标准差，但第一个点和最后一个点的标准差，以防误差是 [0] 和 [n] 处的标准差为 0，因为所有 3 个向量的起点和终点都相同。

不幸的是，发生了错误。有人可以告诉我如何修复它以便我得到标准偏差吗？ApplicationError: Solver (ipopt) did not exit normally