Pyomo：多目标优化

Question

我正在使用此代码来解决多目标优化模型（电源调度）并尝试在我的代码中调整一个示例。

示例：https://stackoverflow.com/questions/50742999/multi-objective-optimization-example-pyomo。

我试图直接跳过“低效的帕累托前沿”部分和 plot 的“有效的帕累托前沿”。

第一个选项卡可以正常运行并生成Cost_min、Cost_max、Emission_min、Emission_max。

from pyomo.environ import *
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.pyplot as plt
import random

# create a model
model = AbstractModel()

# declare decision variables

model.N = Param(mutable=True)
model.J = RangeSet(model.N)
model.A = Param(model.J)
model.B = Param(model.J)
model.C = Param(model.J)
model.D = Param(model.J)
model.E = Param(model.J)
model.F = Param(model.J)
model.P_min = Param(model.J, within=PositiveReals)
model.P_max = Param(model.J, within=PositiveReals)
model.demand = Param(mutable=True)

# declare constraints

def Pbounds(model, j):
    return (model.P_min[j], model.P_max[j])
model.P = Var(model.J, bounds=Pbounds, domain=NonNegativeReals)

def P_LoadgenBalance(model):
    return sum(model.P[j] for j in model.J) >= model.demand
model.P_LoadgenBalance = Constraint(rule=P_LoadgenBalance)

# declare objective_cost

def obj_cost(model):
     return sum(model.A[j]* model.P[j] ** 2 + model.B[j] * model.P[j] + model.C[j] for j in model.J) 
model.cost= Objective(rule=obj_cost, sense=minimize)
# declare objective_emission
def obj_emission(model):
     return sum(model.E[j]* model.P[j] ** 2 + model.D[j] * model.P[j] + model.F[j] for j in model.J) 
model.emission= Objective(rule=obj_emission, sense=minimize)

# deactivate model.emission  calculate emission_max,cost_min

model.emission.deactivate()
instance = model.create_instance("E:\pycharm_project\PD\END-10units.dat")
opt = SolverFactory('Ipopt')
results = opt.solve(instance)
for i in instance.J:
    print(i,value(instance.P[i]))
print( 'cost = ' + str(value(instance.cost)) )
print( 'emission = ' + str(value(instance.emission)) )
emission_max = value(instance.emission)
cost_min = value(instance.cost)


# ## max emission  deactivate model.cost    calculate emission_min,cost_max

model.emission.activate()
model.cost.deactivate()
instance = model.create_instance("E:\pycharm_project\PD\END-10units.dat")
results = opt.solve(instance)


for i in instance.J:
    print(i,value(instance.P[i]))
print( 'cost = ' + str(value(instance.cost)) )
print( 'emission = ' + str(value(instance.emission)) )
emission_min = value(instance.emission)
cost_max = value(instance.cost)

运行此选项卡中的代码后，未生成任何错误。 但是当输出一个帕累托前沿时，这里只显示一个点。

# ## apply normal $\epsilon$-Constraint

model.emission.deactivate()
model.cost.activate()
model.emission_value = Param(initialize=0, mutable=True)

def c_epsilon(model):
    return model.emission <= model.emission_value
model.C_epsilon = Constraint(rule=c_epsilon)
results = opt.solve(instance)

print('Each iteration will keep emission lower than some values between emission_min and emission_max, so ['       + str(emission_min) + ', ' + str(emission_max) + ']')

n = 5
step = int((emission_max - emission_min) / n)
steps = list(range(int(emission_min), int(emission_max), step)) + [emission_max]


# ## apply augmented $\epsilon$-Constraint

# max   emission + delta*epsilon <br>
#  s.t. emission - s = emission_value

model.del_component(model.cost)
model.del_component(model.emission)
model.del_component(model.C_epsilon)

model.delta = Param(initialize=0.00001)

model.s = Var(within=NonNegativeReals)

def obj_cost_1(model):
    return sum(model.cost+model.delta * model.s)
model.obj_cost_1 = Objective(rule=obj_cost_1, sense=maximize)

def C_e(model):
    return model.emission-model.s==model.emission_value
model.C_e= Constraint(rule=C_e)

cost_l = []
emission_l = []
for i in steps:
    model.emission_value = i
    results = opt.solve(instance)  
    cost_l.append(value(instance.cost))
    emission_l.append(value(instance.emission))
plt.plot(cost_l,emission_l,'o-.');
plt.title('efficient Pareto-front');
plt.grid(True);
plt.show()

结果如下所示。 我不知道为什么这不能 output 一个正确的帕累托图。我不知道代码的哪一步是错误的。

高效的 Pareto-front谁能帮我处理这段代码？ 谢谢。维维

Answer 1

几件事.... :)

怎么了：

在循环内部，影响 model 的唯一因素是您将新值分配给model.e那是什么？ 我认为这是一个错字，您错误地只是声明了一个名为e的新的未使用的 model 组件实例变量。 这就是为什么你没有得到不同的值。 我认为您想更改为model.emission 。

此外，我不会在第一个 go 中尝试 1000 个解决方案，只需尝试 5 个。

应该清理什么：

您正在循环中实例化一个新的求解器。 没有必要。 您不需要 1000 个不同的求解器，只需重新求解即可。 您已经有一个之前声明的求解器。

为了清晰起见，在代码中添加一些注释不会让你着火，并且有助于 T/S，以及一些重新组织。

此外， model.A model.B model.C... 。 如果可以的话，我会建议更清晰的变量名称。