Pyomo运输模型中production变量无值问题求助

问题1：production变量无有效值 #

• 核心原因：仅定义了production变量，但未添加显式等式约束让其与运输变量x的总和绑定。优化工具（如Pyomo、Gurobi）不会自动识别变量间的赋值关系，必须通过约束明确关联。
• 修复步骤：
  1. 针对每个工厂i、每周t，添加约束：

     # 假设model是你的模型对象，i为工厂索引，t为周次，j为配送中心索引
     model.production_constr = Constraint(model.FACTORIES, model.WEEKS, 
         rule=lambda m, i, t: m.production[i,t] == sum(m.x[i,j,t] for j in model.DCS))
     

  2. 求解前确认该约束已被加入模型，未被注释或遗漏。
  3. 求解后检查约束是否被满足，若production仍无值，需排查变量定义域（如是否设为非负整数/连续型）或模型其他冲突约束。

问题2：目标函数中使用supply约束触发类型错误 #

• 错误本质：将约束对象（_GeneralConstraintData类型）直接与整数做加法运算，目标函数仅支持变量、常数及合法的数值表达式组合，不能包含约束本身。
• 修复方法：
  1. 单独定义supply约束，不要将其放入目标函数：

     # 正确：单独定义供应能力约束
     model.supply_cap = Constraint(model.FACTORIES, model.WEEKS,
         rule=lambda m, i, t: m.production[i,t] <= m.max_supply[i,t])
     

  2. 目标函数仅保留成本、收益等核心优化项，例如：

     # 目标函数示例：最小化生产+运输总成本
     model.obj = Objective(expr=sum(m.prod_cost[i,t]*m.production[i,t] for i,t in model.FACTORIES_WEEKS) + 
                             sum(m.trans_cost[i,j,t]*m.x[i,j,t] for i,j,t in model.ALL_PAIRS),
                           sense=minimize)
     

  3. 若想将违反供应约束的成本纳入目标，需引入松弛变量（如slack_supply[i,t]），将约束转为m.production[i,t] + m.slack_supply[i,t] >= m.max_supply[i,t]，再在目标中加入松弛变量的惩罚成本。

内容的提问来源于stack exchange，提问作者Hookstark