Pyomo中约束系数范数差距大，求归一化及简化方法

一、手动归一化（高效直接） #

对于已知的大系数约束，直接在添加时手动缩放，把系数统一到相近量级，无需任何解析操作，零耗时。
示例代码：

import pyomo.environ as po
m = po.ConcreteModel()
m.x = po.Var()
m.y = po.Var()
m.c = po.ConstraintList()

# 小系数约束直接添加
m.c.add(m.x + m.y <= 2)
# 大系数约束手动归一化（两边除以1000）
m.c.add(m.x + 2*m.y <= 3)  # 替代原1000*m.x + 2000*m.y <= 3000

二、批量自动归一化（适合大量约束） #

如果约束数量多无法手动处理，利用Pyomo内置的线性表达式接口遍历约束，自动计算缩放因子并调整，避免自行解析表达式的高耗时。
示例代码：

import pyomo.environ as po

m = po.ConcreteModel()
m.x = po.Var()
m.y = po.Var()
m.c = po.ConstraintList()
m.c.add(m.x + m.y <= 2)
m.c.add(1000*m.x + 2000*m.y <= 3000)

# 遍历所有约束进行归一化
for con in m.c:
    expr = con.body
    # 仅处理线性约束
    if not expr.is_linear():
        continue
    
    # 提取线性系数、变量和右端项
    coefs = expr.linear_coefs()
    vars_ = expr.linear_vars()
    rhs = con.upper if con.upper is not None else (-con.lower if con.lower is not None else 0)
    
    # 计算缩放因子（取非零系数绝对值的最大值，避免除以0）
    abs_coefs = [abs(c) for c in coefs if c != 0]
    if not abs_coefs:
        continue
    scale_factor = max(abs_coefs)
    if scale_factor == 0:
        continue
    
    # 构建归一化后的表达式
    new_expr = sum((c/scale_factor)*v for c, v in zip(coefs, vars_))
    # 更新约束，保持原约束类型
    if con.upper is not None:
        con.set_value(new_expr <= rhs / scale_factor)
    elif con.lower is not None:
        con.set_value(new_expr >= rhs / scale_factor)
    else:
        con.set_value(new_expr == 0)

三、同类项合并简化（针对同变量多系数） #

如果表达式存在同变量重复出现（如x + 2x），直接使用Pyomo内置的expr.simplify()方法合并同类项，内部优化过的实现比自行解析高效得多。
示例代码：

# 原始含重复变量的表达式
raw_expr = m.x + 2*m.x + 3*m.y
# 自动合并同类项
simplified_expr = raw_expr.simplify()  # 结果为3*m.x + 3*m.y
# 添加简化后的约束
m.c.add(simplified_expr <= 6)

注意事项 #

• 归一化时需确保缩放因子不为0，避免除以0错误；
• 若模型含整数变量，归一化后需注意右端项是否保持整数性，可选择对应量级的缩放因子（如1000）保证所有项为整数；
• 部分商业求解器（如Gurobi、CPLEX）自带数值缩放功能，但手动归一化可进一步提升轻量级求解器的稳定性与速度。

内容的提问来源于stack exchange，提问作者Amir Arabi