Pyomo线性规划报IndexedVar[1]组件未构造错误排查

你遇到的Error retrieving component IndexedVar[1]: The component has not been constructed报错由多处代码语法、Pyomo建模逻辑错误共同导致，并非仅出现在目标函数行，具体错误点和修正方案如下：

具体错误点 #

• 核心触发报错的问题：ConcreteModel未完成实例化。原代码写为QEMCAProfitModel = pyo.ConcreteModel，缺少实例化必需的括号，此时变量仅引用了Pyomo的模型类本身，而非可用的模型实例，后续绑定的变量、约束组件不会执行构造流程，访问索引变量时就会触发未构造错误。
• 语法错误1：目标函数行存在多余无意义反引号，for i in I`位置和行尾的反引号会直接触发Python语法解析错误。
• 语法错误2：所有函数（结果打印函数、约束规则函数）内部的代码块没有正确缩进，不符合Python强制缩进的语法要求。
• 逻辑错误1：全局总量约束错误传入了作物索引集。预算约束、总土地面积约束这类对所有作物求和的全局约束是单条约束，不需要传入索引集I，原写法会导致同一条约束被重复生成6次，增加无意义的计算量。
• 逻辑错误2：结果打印函数的松弛量计算部分变量名错误，循环约束的迭代变量为i，但内部引用了未定义的Ci（Ci是你提前定义的单位成本参数字典），运行时会触发变量未定义错误。
• 逻辑错误3：单作物消费约束错误传入了作物索引集，每个消费约束仅对应单种作物的最低产出要求，属于单条约束，不需要传入索引集I重复生成。

修正后可直接运行的代码 #

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import pyomo.environ as pyo

def pyomoresults(model): # 结果打印函数
    print('')
    print('=========================')
    print('QEMCAProfitModel Maximization Solution')
    print('=========================')
    print('')
    print('Objective Function Value at Optimum')
    for f in model.component_objects(pyo.Objective, active=True):
        print ('Objective', f)
        for index in f: 
            print ('      ', index, pyo.value(f[index]))
    print('')
    print('Decision Variable Values at Optimum')
    for v in model.component_objects(pyo.Var, active=True):
        print ('Variable', v)
        for index in v:
            print ('      ', index, pyo.value(v[index])) 
    print('')
    print ('Duals/Shadow Prices at Optimum')
    for d in model.component_objects(pyo.Constraint, active=True):
        print ('Constraint',d)
        for index in d:
            print ('      ', index, model.dual[d[index]]) 
    print('')     
    print ("Slack at Optimum")
    for c in model.component_objects(pyo.Constraint, active=True):
        print ("   Constraint", c)
        for index in c:
            print ("      ", index, c[index].lslack(), ' - ', c[index].uslack()) 


# 实例化Concrete模型（必须加括号）
QEMCAProfitModel = pyo.ConcreteModel()

# 作物索引
I = [1,2,3,4,5,6]

# 参数定义
# 单位面积利润 ETB/公顷
mPi = {1:15635.2, 2:9571.36, 3:13392.6, 4:39834.6, 5:49074.1, 6:11365.6}
# 单位面积成本 ETB/公顷
crop_cost = {1:10467.37, 2:8160.47, 3:12392.22, 4:5702.01, 5:8265.88, 6:8514.31}

# 决策变量：各作物种植面积
QEMCAProfitModel.L = pyo.Var(I, within=pyo.NonNegativeReals)

# 目标函数：最大化总利润（去掉多余反引号）
QEMCAProfitModel.Profit = pyo.Objective(
    expr=sum(mPi[i] * QEMCAProfitModel.L[i] for i in I), 
    sense=pyo.maximize
)

# 约束定义
# 预算约束（全局单约束，不需要传索引）
def Budget_rule(model):
    return sum(crop_cost[i] * model.L[i] for i in I) <= 850636 
QEMCAProfitModel.Budget_rule = pyo.Constraint(rule=Budget_rule)

# 总土地面积上限约束
def Land_rule(model):
    return sum(model.L[i] for i in I) <= 47.77  
QEMCAProfitModel.Land_rule = pyo.Constraint(rule=Land_rule)

# 总土地面积下限约束（变量已经定义为非负，该约束实际可省略）
def Land_rule_min(model):
    return sum(model.L[i] for i in I) >= 0  
QEMCAProfitModel.Land_rule_min = pyo.Constraint(rule=Land_rule_min)

# 各作物最低消费约束（单条约束，不需要传索引）
QEMCAProfitModel.Consumption_rule_1 = pyo.Constraint(
    expr=4560.64 * QEMCAProfitModel.L[1] >= 51250
)
QEMCAProfitModel.Consumption_rule_2 = pyo.Constraint(
    expr=5764.71 * QEMCAProfitModel.L[2] >= 36710
)
QEMCAProfitModel.Consumption_rule_3 = pyo.Constraint(
    expr=9908.3 * QEMCAProfitModel.L[3] >= 30316
)
QEMCAProfitModel.Consumption_rule_4 = pyo.Constraint(
    expr=16614.81 * QEMCAProfitModel.L[4] >= 4850
)
QEMCAProfitModel.Consumption_rule_5 = pyo.Constraint(
    expr=20323.81 * QEMCAProfitModel.L[5] >= 4450
)
QEMCAProfitModel.Consumption_rule_6 = pyo.Constraint(
    expr=4400 * QEMCAProfitModel.L[6] >= 7100
)

# 配置对偶值后缀
QEMCAProfitModel.dual = pyo.Suffix(direction=pyo.Suffix.IMPORT)

# 求解
opt = pyo.SolverFactory('glpk')
results = opt.solve(QEMCAProfitModel)

# 输出结果
QEMCAProfitModel.display()
QEMCAProfitModel.dual.display()
pyomoresults(QEMCAProfitModel)

注：原代码中定义的总土地面积下限约束和变量NonNegativeReals的定义域要求重复，可直接删除不影响计算结果；原成本参数名Ci和约束循环变量容易重名冲突，修正时改名为crop_cost避免歧义。

内容的提问来源于stack exchange，提问作者Israa Ameen Thiab