Python中将Gurobi二次约束问题迁移至Pyomo及求解器调用报错咨询

首先你当前遇到两个核心错误：

1. SolverFactory参数错误：你传入了自定义的模型名optimizer，需要传入求解器的官方标识gurobi
2. 模型对象不兼容：你用Gurobi原生语法创建的model对象无法直接传入Pyomo的solve方法，你需要用Pyomo语法完成变量、约束、目标函数的全流程构建

修正后的基础框架代码如下：

import pyomo.environ as pyo
import pandas as pd
import numpy as np

# 初始化Gurobi求解器
opt = pyo.SolverFactory("gurobi", solver_io="python")
# 预配置求解器参数（NonConvex、线程数等都可以在这里设置）
opt.options["NonConvex"] = 2
opt.options["threads"] = 4

• optimizer.solve()仅需要传入构建完成的Pyomo模型对象即可，不需要额外调整模型内的常量、变量格式
• options参数支持两种合法写法：
  • 键值对字典格式：options={"threads":4}
  • 空格分隔的字符串格式：options="threads=4"
• 两种写法效果完全一致，int、list等类型参数直接按规则传入即可，不需要额外转换

• 不需要强制把所有模型相关调用替换为instance，instance只是Pyomo官方文档对实例化后模型对象的常用命名，你可以继续用model作为变量名，只要保证传入solve的是完成了全部定义的Pyomo模型对象即可

首先你给出的字典存在语法错误，修正后按以下步骤适配即可：

1. 修正字典语法错误

# 修正后的单维索引参数s
s = {1:2, 2:3, 3:5, 4:5}
# 修正后的二维索引参数d（已删除原重复的(1,1)键，你可以根据实际需求调整）
d = {
    (1,1):1, (1,2):2, (1,3):3, (1,4):4,
    (2,1):3, (2,2):4, (2,3):5, (2,4):6
}

2. 在Pyomo模型中定义参数

# 初始化Pyomo模型
model = pyo.ConcreteModel()
# 先定义索引集
model.I = pyo.Set(initialize=[1,2,3,4])
model.J = pyo.Set(initialize=[1,2,3,4])
# 绑定单维参数s
model.s = pyo.Param(model.I, initialize=s)
# 绑定二维参数d
model.d = pyo.Param(model.I, model.J, initialize=d)

后续写约束、目标函数时，直接用model.s[i]、model.d[i,j]调用即可。

• options部分仅需要传入Gurobi求解器支持的参数即可，不需要把约束、目标函数内容添加进去
• 约束和目标函数直接定义在Pyomo模型对象中即可，不需要传入solve方法，示例如下：

# 定义决策变量示例
model.x = pyo.Var(model.I, domain=pyo.NonNegativeReals)
# 定义目标函数示例（二次目标）
def obj_rule(model):
    return sum(model.s[i] * model.x[i]**2 for i in model.I)
model.obj = pyo.Objective(rule=obj_rule, sense=pyo.minimize)
# 定义约束示例
def con_rule(model, i):
    return sum(model.d[i,j] * model.x[j] for j in model.J) >= 10
model.con = pyo.Constraint(model.I, rule=con_rule)

所有内容定义完成后调用求解方法即可：

result = opt.solve(model, tee=True)
# 求解完成后查看变量结果
model.x.display()

内容的提问来源于stack exchange，提问作者炎天下修羅