Pyomo定义目标函数时能否使用numpy分段函数？报错如何解决？

报错原因 #

你调用的numpy.piecewise、numpy.logical_and都是面向数值计算的函数，无法处理Pyomo的符号变量（model.x[i]、model.y[i]属于Pyomo Var类型，是符号表达式）。numpy在执行区间判断时会尝试将Lmin <= x这类符号不等式转为布尔值，而Pyomo禁止直接对非常量符号表达式做布尔求值，因此触发报错。

修复方案 #

方案1：使用Pyomo原生Expr_if实现分段函数（最简便） #

Expr_if是Pyomo内置的符号条件表达式工具，可以直接基于符号变量的判断条件生成分段表达式，无需修改你的目标函数逻辑，只需替换alpha_beta的实现即可：
首先导入依赖：

from pyomo.environ import Expr_if

重写alpha_beta函数：

def alpha_beta(x):
    a = 0.0019727939
    b = 0.0078887
    Lmin, Lnom, Lmax = 0.8035, 2.3811, 3.084
    base_val = 0.006226
    # 外层判断x是否落在有效区间内
    return Expr_if(
        condition = (x >= Lmin) & (x <= Lmax),
        then_ = Expr_if(
            # 内层判断属于左半段还是右半段
            condition = x < Lnom,
            then_ = a * (x - Lnom)**2 + base_val,
            else_ = b * (x - Lnom)**2 + base_val
        ),
        else_ = 0
    )

该方案适配所有支持非线性规划（NLP）的求解器，比如IPOPT，无需额外添加约束。

方案2：大M约束法（适配MINLP求解器） #

如果你使用的求解器对Expr_if这类逻辑表达式支持不好，可以引入二进制变量明确标记区间，将分段函数转为线性约束+二次表达式的形式：

1. 首先给模型添加二进制变量，每个x[i]、y[i]对应2个二进制变量，分别标记是否落在左段/右段：

# 假设I是x/y的索引集合
model.z1 = Var(model.I, domain=Binary) # z1=1表示变量落在[Lmin, Lnom)
model.z2 = Var(model.I, domain=Binary) # z2=1表示变量落在[Lnom, Lmax]

2. 添加区间约束，M取大于Lmax-Lmin的常数即可，这里取3：

M = 3
Lmin, Lnom, Lmax = 0.8035, 2.3811, 3.084
def interval_rule(model, i):
    x = model.x[i]
    return [
        Lmin*model.z1[i] + Lnom*model.z2[i] - M*(1-model.z1[i]) <= x,
        x <= (Lnom - 1e-6)*model.z1[i] + Lmax*model.z2[i] + M*(1 - model.z1[i] - model.z2[i]),
        model.z1[i] + model.z2[i] <= 1
    ]
model.interval_cons = Constraint(model.I, rule=interval_rule)
# y变量同理添加对应的约束即可

3. 重写alpha_beta函数，直接用二进制变量加权得到分段值：

def alpha_beta(x, z1, z2):
    a = 0.0019727939
    b = 0.0078887
    Lnom = 2.3811
    base_val = 0.006226
    return z1*(a*(x-Lnom)**2 + base_val) + z2*(b*(x-Lnom)**2 + base_val)

4. 目标函数调用时传入对应的z1、z2变量即可。

内容的提问来源于stack exchange，提问作者Jian ZUO