Pyomo搭配GLPK求解器求解线性规划，变量值为何始终为0？

你的代码对应一个线性规划问题，从数学角度看，最优解应该是x[1]=1、x[2]=0（目标函数值为2），而非x[1]=0。出现x[1]=0的核心原因是求解器未正确执行，变量保持了初始值，并非求解得到的最优解。

为什么数学上最优解是x[1]=1？ #

目标函数是最小化2x[1] + 3x[2]，约束条件为3x[1] + 4x[2] ≥ 3：

• 当x[1]=1、x[2]=0时，满足约束（3*1 + 4*0 = 3 ≥ 3），目标函数值为2*1 + 3*0 = 2
• 当x[1]=0、x[2]=0.75时，虽满足约束，但目标函数值为3*0.75=2.25，比前者更大
  线性规划的最优解出现在可行域的顶点，显然(1,0)是更优的顶点。

导致x[1]始终为0的可能原因及解决方法 #

1. 求解器路径错误 #

你指定的GLPK执行路径/usr/bin/glpsol可能不存在。在终端运行which glpsol，确认实际路径后替换代码中的对应部分。

2. 未检查求解状态 #

求解器可能未成功运行，变量保持初始值0。添加状态检查，确认求解是否完成：

result = solver.solve(m)
print("求解状态:", result.solver.status)
print("终止条件:", result.solver.termination_condition)

如果输出状态不是ok、终止条件不是optimal，说明求解失败，需排查求解器安装或路径问题。

3. 启用求解日志排查问题 #

添加tee=True参数查看求解器运行日志，确认它处理的模型是否符合预期：

result = solver.solve(m, tee=True)

修正后的完整代码 #

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

m = pyo.ConcreteModel()
m.x = pyo.Var([1,2], domain=pyo.Reals, initialize=0)
m.obj = pyo.Objective(expr = 2*m.x[1] + 3*m.x[2], sense=pyo.minimize)
m.c1 = pyo.Constraint(expr = 3*m.x[1] + 4*m.x[2] >= 3)

# 初始化求解器，确认路径正确
solver = SolverFactory('glpk', executable='/usr/bin/glpsol')
# 启用日志输出，查看求解过程
result = solver.solve(m, tee=True)

# 打印求解状态
print("\n求解状态:", result.solver.status)
print("终止条件:", result.solver.termination_condition)

# 输出变量和目标函数值
print(f"x[1] = {pyo.value(m.x[1])}")
print(f"x[2] = {pyo.value(m.x[2])}")
print(f"目标函数值 = {pyo.value(m.obj)}")

运行修正后的代码，若求解器正常工作，你会得到x[1]=1的非零结果。

内容的提问来源于stack exchange，提问作者lara_toff