因此，我目前正在使用一個 pyomo 模型，該模型具有多個正在并行解決的實例。問題是，解決它們需要 pyomo 相當(dāng)長的時間（比如 2 到 3 秒，盡管gurobi 的解決部分大約需要 0.08 秒）。我發(fā)現(xiàn)，通過將 pyomo 實例導(dǎo)出到 .mps 文件中，然后將其提供給 gurobipy，我可以將整體速度提高 30%。當(dāng)我想使用已解決模型的變量時，問題就出現(xiàn)了，因為我注意到，當(dāng)將原始實例從 pyomo 導(dǎo)出到 .mps 文件時，變量名稱會丟失；它們都被命名為“x”（因此，例如 model.Delta、model.Pg、model.Alpha 等會變成 x1、x2、...、x9999，而不是 Delta[0]、Delta[1]， ...阿爾法[99,99]）。有沒有辦法在導(dǎo)出模型時保留原來的變量名？
2 回答
慕勒3428872
TA貢獻(xiàn)1848條經(jīng)驗 獲得超6個贊
設(shè)法解決了！對于任何可能覺得這有用的人，我傳遞了一個帶有“symbolic_solver_labels”的字典作為該方法的 io_options 參數(shù)，如下所示：
instance.write(filename = str(es_) + ".mps", io_options = {"symbolic_solver_labels":True})現(xiàn)在我的變量在 .mps 文件中已正確標(biāo)記！
Smart貓小萌
TA貢獻(xiàn)1911條經(jīng)驗 獲得超7個贊
我使用Pyomo==5.6.9，在這個版本中，“io_options”應(yīng)該使用不同的方式來設(shè)置。
model.write(filename = "FILEPATH.mps", symbolic_solver_labels=True)
我檢查了 Pyomo(pyomo/repn/plugins/mps.py:ProblemWriter_mps.__call__) 的源代碼，在我看來，傳遞給該函數(shù)的“io_options”是 **kargs 但不是字典。
def __call__(self,
model,
output_filename,
solver_capability,
io_options):
# Make sure not to modify the user's dictionary,
# they may be reusing it outside of this call
io_options = dict(io_options)
...
# Use full Pyomo component names in the MPS file rather
# than shortened symbols (slower, but useful for debugging).
symbolic_solver_labels = \
io_options.pop("symbolic_solver_labels", False)
...
if len(io_options):
raise ValueError(
"ProblemWriter_mps passed unrecognized io_options:\n\t" +
"\n\t".join("%s = %s" % (k,v) for k,v in iteritems(io_options)))
- 2 回答
- 0 關(guān)注
- 227 瀏覽
添加回答
舉報
0/150
提交
取消