python - 创建 Pyomo 约束的性能

Question

我正在用 pyomo 设置一个更大的能量优化问题。正如其他 questions 中提到的，设置花费了不合理的长时间。 ，但是我设法加速了大多数有问题的线路，除了能量流限制之外。

与所有其他约束相反，该流程包括所有元素的总和。因此，我决定重写流变量的创建方式，以便它们包含所有元素的索引，希望这会改善这种情况。我的代码现在如下所示:

def flows(model, et, t):
return pyo.quicksum(model.in_flow[:, et, t], 
                    linear=True,
                    start=pyo.quicksum(model.out_flow[:, et, t], 
                                       linear=True)
                    ) == 0

model.add_component("flows", 
                    pyo.Constraint(model.energy_type, 
                                   model.t, 
                                   rule=flows)
                   )

但是，这仍然需要我的模型设置时间的 65%。

我将其分解为一个嵌套的 for 循环，只是为了看看谁花时间:

for t in model.t:
    for et in model.energy_type:
        e = model.in_flow[:, et, t]
        f = model.out_flow[:, et, t]
        es = pyo.quicksum(e)
        fs = pyo.quicksum(f)

这需要大约相同的运行时间，并且“全部”都花费在最后两行中。链接快速求和并设置线性标志提供了一些小的改进，但没有实质性的改进。 shared code PyPSA 仍然使用旧的 coopr3 表达式生成器，因此它不再起作用。我也不知道如何使用它。

关于如何提高模型生成性能有什么建议吗？

Answer 1

好吧，事实证明问题出在切片上。

def flows(model, et, t):
    vars = [model.in_flow[obj, et, t] for obj in model.objects_index]
    vars.extend([model.out_flow[obj, et, t] for obj in model.objects_index])
    return pyo.quicksum(vars) == 0

约束规则的重新制定使我的模型创建速度加快了约 60%。我发现另外两个地方也做了类似的重新制定。我现在从优化前的 120 秒下降到大约 7 秒。