Pyomo中如何定义不同尺寸向量及关联集合的参数

核心逻辑是用Pyomo的**索引化集合（Indexed Set）**特性，以节点集合作为父索引，为每个节点动态生成对应长度的连续整数下标集合，全程自动适配节点总数、单节点向量长度的变化，不需要硬编码固定尺寸。

前置准备 #

先把你输入的所有节点对应向量存储为普通Python列表，不同场景下直接替换这个列表的内容即可，示例：

import pyomo.environ as pyo

# 替换为当前场景下的节点向量输入即可
node_vecs = [
    [1,2,0,0,3],
    [1,0,0,0,0,1,2],
    [5,0,0,1,0,7]
]

model = pyo.ConcreteModel()
# 节点集合自动适配输入的节点总数，补全了你原代码缺失的右括号
model.Nodes = pyo.Set(initialize=range(len(node_vecs)))

定义节点关联的可变尺寸下标集合 #

通过初始化规则动态为每个节点生成从0到向量长度-1的连续整数集合，加上ordered=True参数保证集合顺序，满足绑定要求：

def node_index_set_rule(model, n):
    # 每个节点的集合长度和对应向量长度一致，下标从0开始
    return range(len(node_vecs[n]))

# 以Nodes为索引的索引化集合
model.NodeIdxSets = pyo.Set(
    model.Nodes,
    initialize=node_index_set_rule,
    ordered=True
)

效果验证 #

执行以下代码可以打印对应关系，和你给出的示例完全匹配：

for nid in model.Nodes:
    print(f"节点{nid}对应集合：{set(model.NodeIdxSets[nid])}")

输出结果：

节点0对应集合：{0,1,2,3,4}
节点1对应集合：{0,1,2,3,4,5,6}
节点2对应集合：{0,1,2,3,4,5}

扩展：配套定义向量参数（可选） #

如果后续建模需要调用每个向量位置上的数值，可以配套定义索引化参数，和上面的集合直接绑定，不需要额外处理尺寸适配：

def node_vec_val_rule(model, n, idx):
    return node_vecs[n][idx]

# 索引维度和NodeIdxSets完全对齐
model.NodeVecValues = pyo.Param(model.NodeIdxSets, initialize=node_vec_val_rule)

建模时直接通过model.NodeVecValues[n, i]即可读取节点n对应向量第i位的数值，节点数量、单节点向量长度变化时不需要修改任何建模代码。

提示：如果你使用的是AbstractModel，只需要把node_vecs作为实例化时传入的外部数据即可，集合和参数的定义逻辑完全不变。

内容的提问来源于stack exchange，提问作者baxbear