GDP枚举求解器

(类来自 pyomo.contrib.gdpopt.enumerate)

class pyomo.contrib.gdpopt.enumerate.GDP_Enumeration_Solver(**kwds)[source]

基础类：_GDPoptAlgorithm

通过枚举所有离散解并解决由此产生的NLP子问题来解决广义析取规划（GDP），然后返回找到的最佳解。

接受可以包含非线性、连续变量和约束以及逻辑条件的模型。对于非凸问题，除非NLP子问题被全局解决，否则算法将不精确。

__init__(**kwds)

这是所有GDPopt算法的通用初始化方法，以便我们正确设置配置参数并初始化算法状态的通用部分。

方法

__init__(**kwds)

这是所有GDPopt算法的通用初始化方法，以便我们正确设置配置参数并初始化算法状态的通用部分。

any_termination_criterion_met(config)

available([exception_flag])

求解器始终可用。

bounds_converged(config)

license_is_valid()

primal_bound()

reached_iteration_limit(config)

reached_time_limit(config)

relative_gap()

返回当前的相对最优性差距。

solve(model, **kwds)

解决模型。

update_incumbent(util_block)

version()

返回一个描述求解器版本的3元组。

属性

CONFIG

algorithm

objective_sense

成员文档

available(exception_flag=True)

求解器始终可用。虽然子求解器可能不可用，但它们会在适当的时候引发错误。

relative_gap()

返回当前的相对最优性差距。

请注意，如果在某个点上原始边界改变了符号，这个差距不一定是单调递减的。

solve(model, **kwds)[source]

解决模型。

Parameters:

model (Block) – 要解决的Pyomo模型或块

Keyword Arguments:

  • iterlim (NonNegativeInt, optional) – 迭代限制。

  • time_limit (PositiveInt, optional) – 允许的秒数，直到终止。请注意，时间限制目前只能在子求解器调用之间强制执行。您可能还需要设置子求解器的时间限制。

  • tee (bool, default=False) – 将输出流传输到终端。

  • logger (a_logger, default= (WARNING)>) – 用于报告的日志对象或名称。

  • nlp_solver (default='ipopt') – 使用的非线性求解器。请注意，除了APPSI包中的自动持久求解器外，不支持其他持久求解器。

  • nlp_solver_args (dict, optional) – 发送给NLP子求解器solve()调用的关键字参数

  • minlp_solver (default='baron') – 使用的混合整数非线性求解器。请注意，除了APPSI包中的自动持久求解器外，不支持其他持久求解器。

  • minlp_solver_args (dict, optional) – 发送给MINLP子求解器solve()调用的关键字参数

  • local_minlp_solver (默认='bonmin') – 使用的混合整数非线性求解器。请注意，除了APPSI包中的自动持久求解器外，不支持其他持久求解器。

  • local_minlp_solver_args (dict, optional) – 传递给本地MINLP子求解器solve()调用的关键字参数

  • small_dual_tolerance (default=1e-08) – 在生成切割时，小的对偶值乘以表达式可能会导致问题。排除所有绝对值小于以下值的对偶值。

  • integer_tolerance (default=1e-05) – 整数值的容差。

  • constraint_tolerance (default=1e-06) –

    约束满足的容忍度。

    增加这个容忍度意味着在声明模型或NLP子问题不可行时更加保守。

  • variable_tolerance (默认值=1e-08) – 变量边界的容差。

  • subproblem_initialization_method (default=) –

    回调函数，用于指定初始化(MI)NLP子问题的自定义例程。此方法在子问题中的离散问题解决方案固定后，子问题解决（或预解决）之前调用。

    对于具有离散问题松弛的算法：此方法接受三个参数：求解器对象、子问题GDPopt实用程序块和离散问题GDPopt实用程序块。离散问题包含最新的离散问题解决方案。

    对于没有离散问题松弛的算法：此方法接受四个参数：当前固定为活动的Disjuncts列表、非指示器BooleanVars的值列表（如果force_nlp_subproblem=False则为空）、整数变量的值列表（如果force_nlp_subproblem=False也为空），以及子问题GDPopt实用程序块。

    此方法的返回值将不被使用：该方法应直接在子问题上设置变量的值。

  • call_before_subproblem_solve (default=) –

    在解决(MI)NLP子问题之前调用的回调函数。接受三个参数：求解器对象、子问题以及子问题上的GDPopt实用块。

    请注意，除非您非常确定自己在做什么，否则不应在此回调中修改子问题：它应仅用于查询问题。

    要在解决问题之前初始化问题，请在‘subproblem_initialization_method’参数中指定一个方法。

  • call_after_subproblem_solve (default=) –

    在(MI)NLP子问题解决后立即调用的回调函数。接受三个参数：求解器对象、子问题以及子问题上的GDPopt实用块。

    请注意，除非您非常确定自己在做什么，否则不应在此回调中修改子问题：它应仅用于查询问题。

  • call_after_subproblem_feasible (default=) –

    在(MI)NLP子问题解决后立即调用的回调函数，如果它是可行的。接受三个参数：求解器对象、子问题和子问题上的GDPopt实用块。

    请注意，除非您非常自信自己在做什么，否则不应在此回调中修改子问题：它应该仅用于查询问题。

  • force_subproblem_nlp (默认=False) – 强制子问题为NLP，即使存在离散变量。

  • subproblem_presolve (bool, default=True) – 用于启用或禁用子问题预处理的标志。默认值为True。

  • tighten_nlp_var_bounds (bool, default=False) – 是否在解决NLP子问题之前对变量进行基于可行性的边界收紧。

  • round_discrete_vars (default=True) – 标志，用于将子问题的离散变量值四舍五入到最接近的整数。四舍五入在固定分离之前完成。

  • max_fbbt_iterations (PositiveInt, default=3) – 在NLP子问题预处理期间执行的最大基于可行性的边界收紧迭代次数。

  • mip_solver (default='gurobi') – 使用的混合整数线性求解器。请注意，除了APPSI包中的自动持久求解器外，不支持其他持久求解器。

  • mip_solver_args (dict, optional) – 发送给MILP子求解器solve()调用的关键字参数

version()

返回一个描述求解器版本的3元组。