如何将PuLP中的热水混合非线性约束转为线性约束？

问题描述 #

需要为优化模型添加热水混合的能量平衡约束：

• 热水流量m_heated、温度temp_heated为决策变量
• 冷水温度temp_inlet、混合后总流量m_total、目标温度temp_set为已知常量
• 总流量满足m_total = m_heated + m_inlet

忽略比热容的能量平衡公式为：

temp_set = (m_heated * temp_heated + (m_total - m_heated) * temp_inlet) / m_total

化简后尝试用PuLP添加约束：

milp += m_heated[t] = m_total * (temp_set - temp_inlet) / (temp_heated[t] - temp_inlet)

系统返回错误：Non-constant expressions cannot be multiplied，询问是否能将约束线性化后加入PuLP。

核心结论 #

PuLP仅支持线性/整数线性规划，你的约束本质是非线性的——包含决策变量m_heated[t]和temp_heated[t]的乘积项，无法直接转化为纯线性形式，因此无法直接在PuLP中添加。

可行解决方案 #

1. 回归原始约束形式（仍非线性，PuLP不支持） #

先将公式整理为无除法的形式，但依然保留变量乘积：
将初始公式两边乘m_total并整理：

milp += temp_set * m_total == m_heated[t] * temp_heated[t] + (m_total - m_heated[t]) * temp_inlet

进一步简化为：

milp += m_heated[t] * (temp_heated[t] - temp_inlet) == m_total * (temp_set - temp_inlet)

但PuLP不支持变量相乘的操作，所以这个写法依然会报错。

2. 离散化变量实现近似线性化（需业务场景允许） #

如果temp_heated的取值可以被限定为有限个离散值（比如预设的几个加热温度档位），可以通过引入二进制变量将非线性约束转化为线性约束：

• 假设temp_heated可选值为T_1, T_2, ..., T_n
• 定义二进制变量x_i[t]，表示第t步选择温度T_i
• 添加以下线性约束：

  # 每个时间步仅选择一个温度档位
  milp += sum(x_i[t] for i in range(n)) == 1
  # 用二进制变量线性表示温度变量
  milp += temp_heated[t] == sum(T_i * x_i[t] for i in range(n))
  # 替换乘积项，转化为线性约束
  milp += sum(m_heated[t] * (T_i - temp_inlet) * x_i[t] for i in range(n)) == m_total * (temp_set - temp_inlet)
  

  这种方法的精度取决于离散档位的数量，档位越多越接近原问题，但会增加模型复杂度。

3. 切换到支持非线性规划的工具 #

如果无法接受离散化近似，建议使用支持非线性优化的工具：

• Pyomo：语法接近PuLP，支持线性、非线性、整数规划问题
• Gurobi/CPLEX：商业求解器，对非线性约束的求解效率较高
• Scipy.optimize：适合小规模的非线性优化场景

内容的提问来源于stack exchange，提问作者Paulos