如何用GLPK线性规划实现Pyomo双管道单输水约束？

原约束失效原因 #

你写的约束bin_constraint1化简后等价于强制pipe_output1[t] = 0：

# 原约束化简过程
model.pipe_output2[t] == model.pipe_output2[t] - model.pipe_output1[t]
# 两边减去model.pipe_output2[t]
0 == -model.pipe_output1[t]
# 即
model.pipe_output1[t] = 0

如果目标函数没有明确要求最大化输水总量（比如仅满足需求或最小化成本），求解器会选择pipe_output2[t] = 0作为最优解（无输水则成本为0），最终导致所有输出为0。

而你用Gurobi的乘积约束pipe_output2[t] * pipe_output1[t] == 0属于非线性约束，GLPK不支持这类非线性规划，因此需要用线性化方法替代。

GLPK兼容的线性化方案 #

通过引入二进制变量实现管道互斥，所有约束均为线性，GLPK可处理：

步骤1：定义二进制变量 #

添加0-1变量标记每个时间点是否启用对应管道：

from pyomo.environ import Binary

# 二进制变量：1表示启用对应管道，0表示禁用
model.use_pipe1 = Var(model.T, domain=Binary)
model.use_pipe2 = Var(model.T, domain=Binary)

步骤2：添加互斥约束 #

确保每个时间点最多启用一条管道（若必须输水，将<=改为==）：

def mutually_exclusive_rule(model, t):
    return model.use_pipe1[t] + model.use_pipe2[t] <= 1
model.mutex_constraint = Constraint(model.T, rule=mutually_exclusive_rule)

步骤3：关联管道输出与二进制变量 #

定义管道最大输水能力MAX_FLOW（根据实际场景设置合理值，如管道容量或水坝最大输出），通过约束限制只有启用管道时才能有输水流量：

MAX_FLOW = 100  # 替换为你的实际最大输水能力

# 限制pipe_output1仅在use_pipe1启用时非零
def pipe1_flow_bound_rule(model, t):
    return model.pipe_output1[t] <= MAX_FLOW * model.use_pipe1[t]
model.pipe1_bound = Constraint(model.T, rule=pipe1_flow_bound_rule)

# 限制pipe_output2仅在use_pipe2启用时非零
def pipe2_flow_bound_rule(model, t):
    return model.pipe_output2[t] <= MAX_FLOW * model.use_pipe2[t]
model.pipe2_bound = Constraint(model.T, rule=pipe2_flow_bound_rule)

步骤4：确认目标函数 #

确保目标函数能驱动求解器选择非零输水方案，比如最大化总输水量：

model.obj = Objective(expr=sum(model.pipe_output1[t] + model.pipe_output2[t] for t in model.T), sense=maximize)

方案说明 #

当use_pipe1[t] = 1时，pipe_output1[t]可在0到MAX_FLOW范围内取值，而use_pipe2[t]必须为0，因此pipe_output2[t]被强制为0；反之亦然，完美实现每个时间点仅一条管道输水的要求，且所有约束均为线性，GLPK可正常求解。

内容的提问来源于stack exchange，提问作者Jwem93