在不使用 for 循环的情况下检索 Pyomo 解决方案

Question

我正在努力寻找一种有效的方法来检索优化问题的解决方案。该解决方案由大约 200K 个变量组成，我希望在 Pandas DataFrame 中使用这些变量。在网上搜索之后，我发现访问变量的唯一方法是通过一个看起来像这样的 for 循环：

instance = M.create_instance('input.dat') # reading in a datafile
results = opt.solve(instance, tee=True)
results.write()
instance.solutions.load_from(results)

for v in instance.component_objects(Var, active=True): 
    print ("Variable",v)
    varobject = getattr(instance, str(v))
    for index in varobject:
        print ("   ",index, varobject[index].value)

我知道我可以使用这个 for 循环将它们存储在数据帧中，但这效率很低。我发现了如何使用访问索引

import pandas as pd
index = pd.DataFrame(instance.component_objects(Var, active=True))

但我不知道如何获得解决方案

Answer 1

其实有一个非常简单优雅的解决方案，使用方法pandas.DataFrame.from_dict结合Var.extract_values()方法。

from pyomo.environ import *
import pandas as pd
m = ConcreteModel()
m.N = RangeSet(5)
m.x = Var(m.N, rule=lambda _, el: el**2)  # x = [1,4,9,16,25]

df = pd.DataFrame.from_dict(m.x.extract_values(), orient='index', columns=[str(m.x)])
print(df)

产量

    x
1   1
2   4
3   9
4  16
5  25

请注意，因为Var我们可以同时使用get_values()和extract_values()，所以它们的作用似乎相同。因为Param只有extract_values().