將求解器 GRG 非線性 function 轉換為 PuLP

Question

我的任務是將求解器中使用的 GRG 非線性問題轉換為 python。 由於我沒有使用 NLP 的經驗，因此我正在嘗試將其轉換為 LP 問題。

我們有 12 個變量代表一年中每月產生的太陽能發電量，以及 12 個代表每月電網消耗的常數。 目標是最大化十二個變量的總和。 在紙漿中，我們用以下方式表示這些變量：

problem = LpProblem("Test_Problem", LpMaximize)
grid_consumption = [190, 409, 273, 424, 351, 412, 360, 509, 280, 241, 263, 175]
total_grid_consumption = sum(consumo_odf)
fv_productions = LpVariable.dicts('fv', list(range(12)))

有五個約束，一些顯式依賴於變量，一些隱式依賴。

例如，其中一個約束條件是太陽能發電量不能大於電網消耗量，這是一個常數。 在 PuLP 中，我們以這種方式表示此約束：

for i in range(12):
    fv_i - grid_consumption[i] <= 0

讓我們頭疼的約束之一是，1/3 的自我消耗必須大於補償能量。 如果電網消耗低於太陽能發電量 (fv_i)，則每月自用電量等於電網消耗量，否則將等於太陽能發電量：

for i in range(12):
    if(fv_i>grid_consumption[i]):
        self_consumption[i] = grid_consumption[i]
    else:
        self_consumption[i] = fv_i

Excel Solver 對此約束沒有問題，但我們不知道如何將其轉換為 PuLP 約束。 歡迎任何幫助。 這是我的第一個問題，所以如果我可以提供更多信息，請告訴我。 謝謝。

Answer 1

好的，所以我設法解決了它。 原來我不得不再添加兩個約束：

for i in range(12):
    self_consumption[i] <= grid_consumption[i]
    self_consumption[i] <= fv_i

由於它是一個最大化類型的問題，每個變量的值將低於電網消耗和太陽能發電量之間的最小值。