时间戳

首页 > 解决方案 > 多目标的模型检测，但只尝试写一个

python - 多目标的模型检测，但只尝试写一个

问题描述

我有一个相当基本的模型，我正在尝试运行，并且不断收到以下错误消息：

错误：运行模型时出现意外异常：NL 编写器在未知模型上检测到多个活动目标函数，但目前仅处理一个目标。

鉴于该错误，我认为 CPLEX 将我的目标函数解释为多目标问题。我想做的是最小化在索引（i，j，t）上定义的'model.obj'，但我不相信这意味着我有多个目标函数？目标函数试图表述为下面的等式 11：

在此处输入图像描述

from __future__ import division
from pyomo.environ import *
from MPBFunctions import *
# Variable Initialization Matricies
susceptible_init = mpbdata(1,3,1,3)
inf_b4treat_init = mpbdata(1,3,13,15)


##########################################################################################################################
# Set Declaration
##########################################################################################################################
model = ConcreteModel()

Imax = 3
Jmax = 3
Tmax = 2
Kmax = 2
model.Iset = RangeSet(1,Imax)  # e.g. i = {1, 2, 3}
model.Jset = RangeSet(1,Jmax)
model.Tset = RangeSet(1,Tmax)
model.Kset = RangeSet(1,Kmax)
##########################################################################################################################
# Parameter Declaration
##########################################################################################################################


##########################################################################################################################
# Variable Declaration
##########################################################################################################################
model.susceptible = Var(model.Iset,model.Jset,model.Tset, initialize=initial_values(3,2,susceptible_init))
model.inf_b4treat = Var(model.Iset,model.Jset,model.Tset, initialize=initial_values(3,2,inf_b4treat_init))
model.inf_treated = Var(model.Iset,model.Jset,model.Tset)
model.level1 = Var(model.Iset,model.Jset,model.Tset,within=Binary)

##########################################################################################################################
# Objective Function
##########################################################################################################################
def objective_rule(model,i,j,t):
    return model.obj[i,j,t] == sum(2*model.inf_b4treat[i,j,t] for i in model.Iset for j in model.Jset for t in model.Tset)

model.damages = Objective(model.Iset, model.Jset, model.Tset, rule=objective_rule)

##########################################################################################################################
# Constraint Declaration w/ Imax=Jmax=Tmax = 3 and Kmax = 3
##########################################################################################################################

# Constraint 4: Susceptible recruitment
def susceptible_advance_rule(model, i, j, t):
    if t == Tmax:
        return Constraint.Skip
    else:
        return model.susceptible[i, j, t + 1] == model.susceptible[i, j, t] - model.inf_b4treat[i, j, t]

model.susceptible_advance = Constraint(model.Iset, model.Jset, model.Tset, rule=susceptible_advance_rule)

# Constraint 9: Treated Infestation
def treatment_rule(model, i, j, t):
    return model.inf_treated[i, j, t] == 0.20 * model.susceptible[i, j,t] * (1 - 0.15 * model.level1[i, j, t])

model.treated_pop = Constraint(model.Iset, model.Jset, model.Tset, rule=treatment_rule)

标签： pythonpyomo

解决方案

该objective_rule函数应该返回一个表达式，您正在返回一个相等（好像它是一个约束）。

def objective_rule(model,i,j,t):
    return sum(2*model.inf_b4treat[i,j,t] for i in model.Iset for j in model.Jset for t in model.Tset)

还要仔细检查您的输入数据是否正确。

推荐阅读