Pyomo运输模型：新增工厂跨周期启动固定成本约束的实现问询

核心思路 #

要处理“第1周无生产、第2周有生产需额外支付100美元启动成本”的逻辑，需引入二进制变量标记工厂的启动状态，通过线性约束关联生产变量与启动变量，最后将启动成本纳入目标函数。

具体实现步骤 #

1. 定义启动状态二进制变量 #

为每个工厂添加一个二进制变量startup[i]，其中i代表工厂：

• startup[i] = 1：工厂i满足“第1周无生产、第2周有生产”的启动条件
• startup[i] = 0：不满足启动条件

2. 添加约束关联生产与启动变量 #

假设你已定义生产变量produce[i, t]（i为工厂，t为周次，t=1对应第1周，t=2对应第2周），需添加两组约束：

• 约束1：若工厂触发启动（startup[i]=1），则第1周必须无生产
• 约束2：若工厂触发启动（startup[i]=1），则第2周必须有生产

通过大M法实现线性约束，其中：

• M为足够大的常数（需大于工厂单周最大可能产量）
• epsilon为极小正数（确保生产变量严格大于0，若生产为整数可设为1）

3. 更新目标函数 #

在原目标函数基础上，追加启动固定成本：每个触发启动的工厂增加100美元成本。

完整代码示例片段 #

from pyomo.environ import *

# 假设已有的模型基础定义
model = ConcreteModel()
model.factories = Set(initialize=['F1', 'F2', 'F3'])  # 3家工厂
model.time_periods = Set(initialize=[1, 2])  # 2周
# 已有生产变量：produce[i,t] 表示工厂i在t周的产量
model.produce = Var(model.factories, model.time_periods, domain=NonNegativeReals)

# 1. 添加启动状态二进制变量
model.startup = Var(model.factories, domain=Binary)

# 2. 配置启动约束
# 定义大M和epsilon（根据实际生产情况调整）
M = 10000  # 需大于工厂单周最大产能
epsilon = 0.001  # 若生产为整数，可改为1

def startup_no_prod_week1(model, i):
    # 启动状态触发时，第1周产量必须为0
    return model.produce[i, 1] <= M * (1 - model.startup[i])
model.startup_constraint1 = Constraint(model.factories, rule=startup_no_prod_week1)

def startup_has_prod_week2(model, i):
    # 启动状态触发时，第2周产量必须大于0
    return model.produce[i, 2] >= epsilon * model.startup[i]
model.startup_constraint2 = Constraint(model.factories, rule=startup_has_prod_week2)

# 3. 更新目标函数（替换为你原有的成本计算逻辑，追加启动成本）
def objective_rule(model):
    # 原目标函数示例（替换为你的实际运输+生产成本）
    original_cost = sum(model.produce[i,t] * 5 for i in model.factories for t in model.time_periods)
    # 追加启动固定成本
    startup_cost = sum(model.startup[i] * 100 for i in model.factories)
    return original_cost + startup_cost
model.objective = Objective(rule=objective_rule, sense=minimize)

注意事项 #

• M的取值需合理：既要大于工厂单周最大产能，避免约束失效；也不要过大，防止数值求解时出现精度问题
• 若生产变量为整数类型（如按件生产），可将epsilon设为1，更贴合实际业务逻辑

内容的提问来源于stack exchange，提问作者Hookstark