如何在PYOMO中智能定义集合与参数，避免无效笛卡尔积？

核心思路是让尺寸与产品建立专属绑定关系，而不是生成所有产品和所有尺寸的无效笛卡尔积，下面给出几种实用方案：

方法一：使用IndexedSet（索引集合） #

这是最直接的方式，给每个产品分配专属的尺寸集合，从根源上避免无效组合：

import pyomo.environ as pyo

model = pyo.AbstractModel()

# 定义基础集合
model.stores = pyo.Set()  # 100个门店
model.products = pyo.Set()  # 10个产品

# 为每个产品创建专属的尺寸集合（IndexedSet）
model.sizes = pyo.IndexedSet(model.products)

# 定义需求参数：仅生成 门店×产品×该产品对应尺寸 的有效组合
model.demand = pyo.Param(model.stores, model.products, model.sizes, default=0)

这样model.sizes[p]就是产品p对应的10种尺寸，参数demand只会存储有效组合，不会出现产品A搭配产品B尺寸的无效项。

方法二：定义产品-尺寸的有效配对集合 #

如果你有全局尺寸集合，但只想保留每个产品对应的有效尺寸对，可以先定义二维的有效配对集合：

import pyomo.environ as pyo

model = pyo.AbstractModel()

model.stores = pyo.Set()
model.products = pyo.Set()
model.all_sizes = pyo.Set()  # 所有可能的尺寸（比如10种）

# 定义所有有效的(产品, 尺寸)配对集合
model.product_size_pairs = pyo.Set(within=model.products * model.all_sizes)

# 需求参数：基于门店和有效配对集合定义
model.demand = pyo.Param(model.stores, model.product_size_pairs, default=0)

后续只需在数据中指定哪些(产品,尺寸)是有效的，就能完全控制参数的生成范围。

方法三：通过数据文件直接指定有效组合（适合抽象模型） #

如果使用AbstractModel，也可以不用提前定义关联集合，直接在.dat数据文件中只提供有效的(门店,产品,尺寸)组合，Pyomo会自动忽略未定义的无效项：
示例.dat文件内容：

set stores := S1 S2 ... S100;
set products := P1 P2 ... P10;
set all_sizes := Z1 Z2 ... Z10;

param demand :=
S1 P1 Z1 100
S1 P1 Z2 150
...
S100 P10 Z10 80
;

这种方式下，即使模型中写了笛卡尔积形式的参数定义，Pyomo也只会加载数据中存在的有效组合，未定义的访问时返回默认值，但不会占用内存存储无效项。

变量与约束的同理应用 #

定义变量或约束时，同样可以套用上述逻辑，比如定义库存变量：

# 用IndexedSet的方式
model.inventory = pyo.Var(model.stores, model.products, model.sizes, domain=pyo.NonNegativeReals)

# 用有效配对集合的方式
model.inventory = pyo.Var(model.stores, model.product_size_pairs, domain=pyo.NonNegativeReals)

约束中也只需遍历有效组合，避免无效的笛卡尔积遍历，提升模型效率。

内容的提问来源于stack exchange，提问作者Vigneshwar Thiyagarajan