Pyomo中新增决策变量C：基于A总和递减startNum的约束实现咨询

步骤1：更新.dat数据文件 #

先在你的.dat文件中添加startNum参数：

set VALS := 1 2 3;
param maxNum := 10000;
param startNum := 500;

步骤2：修正基础模型的集合名称笔误 #

你的基础模型中集合定义为model.VALS，但变量A、B却引用了未定义的model.WEEKS，需统一改为model.VALS。

步骤3：新增参数、变量与约束 #

在模型中补充以下核心内容：

• 声明startNum参数
• 新增决策变量C
• 编写约束规则，确保C的取值符合startNum - 所有A值总和的逻辑

完整模型代码 #

from pyomo.environ import *

# 创建模型实例
model = ConcreteModel()

# 定义集合
model.VALS = Set()

# 定义参数
model.maxNum = Param()
model.startNum = Param()  # 新增startNum参数

# 决策变量
model.A = Var(model.VALS, within=NonNegativeIntegers, bounds=(0, 100))
model.B = Var(model.VALS, within=NonNegativeIntegers, bounds=(100, 200))
model.C = Var(within=NonNegativeIntegers)  # 新增决策变量C

# 约束1：A+B总和不超过maxNum
def maxNum_rule(model):
    return sum(model.A[t] + model.B[t] for t in model.VALS) <= model.maxNum
model.maxNumCalc = Constraint(rule=maxNum_rule)

# 约束2：C的取值规则
def C_calc_rule(model):
    return model.C == model.startNum - sum(model.A[t] for t in model.VALS)
model.CCalc = Constraint(rule=C_calc_rule)

# 目标函数：最大化A+B的总和
def objective_rule(model):
    return sum(model.A[t] + model.B[t] for t in model.VALS)
model.maxNumObj = Objective(rule=objective_rule, sense=maximize)

# 加载数据并求解（示例）
data = DataPortal()
data.load(filename='your_data_file.dat')
model.load(data)

# 创建求解器并求解
solver = SolverFactory('glpk')  # 可按需更换求解器
result = solver.solve(model)

# 打印结果
print("目标函数值：", model.maxNumObj())
print("C的值：", model.C())
for t in model.VALS:
    print(f"A[{t}] = {model.A[t]()}, B[{t}] = {model.B[t]()}")

关键说明 #

• 约束C_calc_rule通过等式直接定义C的逻辑，完全匹配你要求的计算方式。
• 代码中给C添加了NonNegativeIntegers的范围限制，避免当A值总和超过startNum时C出现负数，若不需要该限制可删除此参数。

内容的提问来源于stack exchange，提问作者r0bt