如何解决GUROBI Python中无度数表达式（Degree None）的报错问题

报错原因 #

你遇到的DegreeError是因为目标函数中包含除法运算，Pyomo无法确定该表达式的次数，而GurobiDirect求解器不支持这种不确定次数的表达式。另外，代码中直接用np.square()处理Pyomo变量也是不合适的——numpy函数无法识别Pyomo的Var对象，会导致表达式解析异常。

关键优化：代数化简消除除法 #

观察你的成本函数：
(x*price_coeff - x²*factor)/x
由于所有电机的功率变量x都有正下界约束（比如Motor1≥0.6，其他≥1），因此x≠0，可以直接对表达式进行代数化简：
(x*price_coeff - x²*factor)/x = price_coeff - factor*x
化简后目标函数变为线性表达式，完全避免了除法，Gurobi可以直接处理。

修正后的代码 #

import pyomo.environ as pyo
from pyomo.environ import SolverFactory

power_ranges = {
    'Motor1': (0.6, 1.1),
    'Motor2': (2.1, 6),
    'Motor3': (1, 1.94),
    'Motor4': (1, 1.94),
}

# 化简后的成本函数：直接用线性表达式替代带除法的原公式
prices = {
    'Motor1': lambda x: 5000 - 100 * x,
    'Motor2': lambda y: 5500 - 100 * y,
    'Motor3': lambda z: 5100 - 200 * z,
    'Motor4': lambda a: 5200 - 300 * a,
}

# 创建模型
model = pyo.ConcreteModel()

# 决策变量：非负实数，约束会进一步限制下界
model.x = pyo.Var(power_ranges.keys(), domain=pyo.NonNegativeReals)

# 目标函数：求和化简后的线性成本
model.cost = pyo.Objective(
    expr=sum(prices[motor](model.x[motor]) for motor in power_ranges),
    sense=pyo.minimize
)

# 上下界约束
model.bounds_constraint = pyo.ConstraintList()
for motor in power_ranges:
    lower_bound, upper_bound = power_ranges[motor]
    model.bounds_constraint.add(lower_bound <= model.x[motor])
    model.bounds_constraint.add(model.x[motor] <= upper_bound)
# 注：原代码中`x >= min(0, lower_bound)`是冗余约束——所有lower_bound都是正数，且变量已设为NonNegativeReals，无需重复添加

# 总功率约束
model.power_constraint = pyo.Constraint(
    expr=sum(model.x[motor] for motor in power_ranges) == 5
)

# 求解
solver = SolverFactory('gurobi', solver_io='python')
solver.options['NonConvex'] = 2  # 化简后是线性问题，该参数可移除，保留也不影响
results = solver.solve(model)

# 输出结果
print("求解状态：", results.solver.status)
print("最优成本：", model.cost())
for motor in power_ranges:
    print(f"{motor}最优功率：", model.x[motor]())

额外说明 #

1. 化简后的目标函数是线性的，因此NonConvex=2参数其实可以移除（该参数用于处理非凸非线性问题），保留也不会产生负面影响。
2. 避免用numpy函数处理Pyomo变量：Pyomo有自己的表达式运算规则，直接用x**2、x*y等原生运算符即可，无需依赖numpy。

内容的提问来源于stack exchange，提问作者Miguff