使用BigM方程最小化变量

Question

我正在尝试最大程度地减少以下方程式：

p_ch_max = min（22，e_need*m_int），其中e_need*m_int可以根据数据大于或低于22。

我正在使用pyomo中的以下方程式来完成：

m.C6 = ConstraintList()
for t in m.ts2:
    m.C6.add(expr = m.char_power - m.var_E_need[0,t]*m_int  <= 100*m.Y[t])
    m.C6.add(expr = m.var_E_need[0,t]*m_int - m.char_power <= 100 * (1-m.Y[t]))
    m.C6.add(expr = m.var_P_ch_max[0,t] <= m.var_E_need[0,t]*m_int  )
    m.C6.add(expr = m.var_P_ch_max[0,t]  <= m.char_power)
    m.C6.add(expr = m.var_P_ch_max[0,t] >= m.var_E_need[0,t]*m_int - 100*(1-m.Y[t]))
    m.C6.add(expr = m.var_P_ch_max[0,t]  >= m.char_power - 100*m.Y[t])

m.char_power = 22;我的是boolean; 100在这种情况下是我的大`

当我手动替换y的值时，这些方程是有道理的： 当y = 0我得到p_ch_max＆lt; = 22和p_ch_max＆gt; = 22它会使p_ch_max == 22。 当y = 1我得到p_ch_max＆lt; = e_need*m_int和p_ch_max＆gt; = e_need*m_int*m_int，它会产生p_ch_max = e_need = e_need = e_need *m_int。

但是，当我在pyomo中运行代码时，它说它是不可行的或无限的，我不明白为什么。还有其他方法吗？还是可以告诉我我是否做错了什么？

Answer 1

It's pretty difficult to unwind your equations and figure out why it is infeasible. But you can do a couple things rather quickly to tackle this.

首先，您可以开始“评论”约束，并查看是否可以获取模型呼吸（因此求解器不会抱怨不可行），然后从那里进行调查。

其次，如果您认为自己知道一个可行的解决方案（正如您在评论中提出的那样），则只需分配值，然后display您的模型就可以很快脱颖而出。违反哪些约束。例如：

import pyomo.environ as pyo

m = pyo.ConcreteModel()

m.x = pyo.Var()

m.c1 = pyo.Constraint(expr=m.x >= 5)

m.x = 4

m.display()

产量：

Model unknown

  Variables:
    x : Size=1, Index=None
        Key  : Lower : Value : Upper : Fixed : Stale : Domain
        None :  None :     4 :  None : False : False :  Reals

  Objectives:
    None

  Constraints:
    c1 : Size=1
        Key  : Lower : Body : Upper
        None :   5.0 :    4 :  None
[Finished in 210ms]