Pyomo中不同含义同名时间索引t的定义与使用方法

首先直接给结论：建议为三类不同语义的时间定义三个命名清晰的独立集合，不要复用同一个t索引，哪怕三类时间的取值范围完全一致，也最好做明确区分，从根源上避免索引混用导致的隐蔽bug。

具体实现可以参考以下逻辑：

• 第一步：先按时间语义定义对应集合，不要用无意义的t当集合名，直接把时间含义写到集合名里，比如出发时间集合、装载时间集合、作业时间集合，同时定义你需要的其他业务索引（比如节点i、j）
• 第二步：定义决策变量时，每个变量绑定对应语义的时间集合即可，索引顺序和你公式里的上下标保持一致就行

参考实现代码：

from pyomo.environ import *
model = ConcreteModel()

# 1. 定义基础业务索引
model.I = Set(initialize=[1,2,3])  # 对应公式里的i节点
model.J = Set(initialize=[1,2,3])  # 对应公式里的j节点

# 2. 按语义定义三类不同的时间集合，初始化值按你的实际业务时间填
model.departure_t = Set(initialize=[6,7,8,9,10,11,12])  # y变量用的出发时间
model.loading_t = Set(initialize=[8,9,10,11,12,13,14])  # X变量用的装载时间
model.operation_t = Set(initialize=range(0,24))         # u变量用的作业时间

# 3. 定义三个带对应时间索引的决策变量，域根据你的实际需求改
model.y = Var(model.J, model.departure_t, within=Binary)               # 对应y_j^t
model.X = Var(model.I, model.J, model.loading_t, within=NonNegativeReals) # 对应X_ij^t
model.u = Var(model.I, model.operation_t, within=NonNegativeReals)     # 对应u_i^t

如果三类时间的取值范围完全相同，你也可以先定义一个基础时间集合，再给它起三个语义不同的别名，减少重复的初始化代码，本质还是三个独立的索引标识，不会出现混用问题：

# 基础时间全集
model.full_t = Set(initialize=range(0,24))
# 三个语义别名集合，取值和full_t一致
model.departure_t = model.full_t
model.loading_t = model.full_t
model.operation_t = model.full_t

注意：绝对不要图省事给三个变量都绑定同一个叫t的时间集合，后续写跨时间维度的约束时，你很容易把出发时间、装载时间、作业时间搞混，这类错误不会触发代码报错，但会直接导致模型计算结果完全错误，排查成本极高。

比如写跨时间维度的约束时，命名清晰的集合能让你一眼看清索引逻辑，不容易写错：

# 示例约束：j点的出发时间必须晚于对应i到j订单的装载时间
def depart_after_load_rule(model, i, j, lt, dt):
    if dt < lt:
        return model.X[i,j,lt] * model.y[j,dt] == 0
    return Constraint.Skip
model.depart_after_load_cons = Constraint(
    model.I, model.J, model.loading_t, model.departure_t, 
    rule=depart_after_load_rule
)

内容的提问来源于stack exchange，提问作者mary