You need to enable JavaScript to run this app. 将JuMP LP优化变量与对偶结果高效存入DataFrame的简洁方法
优惠活动
大模型
产品
解决方案
定价
更多

将JuMP LP优化变量与对偶结果高效存入DataFrame的简洁方法

JuMP大规模优化结果的高效结构化存储方案

核心痛点

  • 传统手动存储方案扩展性差:需要逐一定义变量、逐行调用push!把结果推入DataFrame,变量/约束规模较大时代码冗余、维护成本高
  • 期望实现的自动存储能力:
    • 直接复用JuMP内置的all_variables()、all_constraints()接口遍历全模型元素
    • 提取变量求解值、约束对偶值,按变量的维度索引自动生成结构化表格
    • 以变量/约束本身为键,将对应表格存入统一字典,方便后续调用

实现逻辑

你当前编写的概念示例存在逻辑缺陷:循环过程中每次都会覆盖Resul_vars["vari"]的键值,无法将同个变量不同索引组合的结果聚合为单张完整DataFrame

变量结果存储

对应你给出的变量声明示例:

@variable(Model, p[t=s_time,n=s_n,m=s_m], lower_bound=0, base_name="Expected production")

可按以下逻辑实现,无需逐一定义变量:

using JuMP, DataFrames

Result_vars = Dict()
# 按变量所属的索引分组遍历,避免逐变量零散建表
for (var_ref, indices) in eachgroup(all_variables(Model))
    # 批量收集索引与对应求解值
    collected_rows = [
        (idx..., value(var_ref[idx...])) 
        for idx in indices
    ]
    # 按变量声明的维度名作为列名生成DataFrame
    Result_vars[var_ref] = DataFrame(
        collected_rows,
        [dim_names(var_ref)..., :Value]
    )
end

最终Result_vars[p]生成的表格完全匹配你期望的结构:

tnmValue
11150
21160
311145

约束对偶值存储

对偶值的提取逻辑和变量存储完全对齐,直接复用分组遍历的思路即可:

Result_duals = Dict()
for (con_ref, indices) in eachgroup(all_constraints(Model))
    collected_rows = [
        (idx..., dual(con_ref[idx...])) 
        for idx in indices
    ]
    Result_duals[con_ref] = DataFrame(
        collected_rows,
        [dim_names(con_ref)..., :DualValue]
    )
end

性能优化提示

  • 避免逐次调用push!追加行的性能损耗:批量收集所有行后一次性生成DataFrame,对万级以上规模的变量集,生成速度比逐行推入快10倍以上
  • 直接复用JuMP内置的维度命名规则生成列名,无需手动维护列名顺序,从根源避免列错位问题
  • 自动兼容密集、稀疏两类索引的变量/约束容器,不需要针对不同存储类型写分支判断

内容的提问来源于stack exchange,提问作者werderneo

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.08 09:36:05