Pyomo 6.9.2 版本发布:优化建模工具的重要更新
项目简介
Pyomo 是一个开源的 Python 优化建模工具包,它提供了丰富的功能来构建和求解各种数学优化问题。作为 Python 生态系统中最受欢迎的优化建模工具之一,Pyomo 支持线性规划、非线性规划、混合整数规划等多种优化问题类型,并集成了众多商业和开源求解器。
版本亮点
Pyomo 6.9.2 是该系列的一个重要维护版本,在保持稳定性的同时引入了多项改进和新特性。本次更新主要围绕以下几个方面展开:
-
Python 版本支持调整:移除了对 Python 3.8 的支持,这是为了跟进 Python 生态系统的演进,确保用户能够使用更现代的 Python 特性。
-
新算法实现:在 GDPOpt 模块中新增了基于逻辑的离散最速下降算法(Logic-Based Discrete-Steepest Descent Algorithm),这为处理广义析取规划(GDP)问题提供了新的求解方法。
-
外部函数扩展:新增了三次样条插值的外部函数支持,这使得在优化模型中处理插值数据更加方便和高效。
-
求解器接口改进:包括对即将发布的 knitro Python 包的支持,以及持续进行的求解器接口重构工作(v2 版本)。
核心改进详解
1. 数值计算与表达式处理
本次更新在数值计算方面做了多项改进:
- 增加了对
calc_variable_from_constraint
函数中表达式溢出的防护措施 - 实现了关系表达式生成的多重分派机制
- 改进了组件
__call__
实现中的异常类型检查
这些改进使得 Pyomo 在处理复杂数学表达式时更加健壮,减少了潜在的计算错误。
2. 求解器接口增强
Pyomo 6.9.2 对多个求解器接口进行了优化:
- 修复了 XpressPersistent 中
update_var
的 bug - 改进了 IPOPT v2 接口中
AMPLFUNC
条目的处理 - 增强了 MOSEK 选项的处理能力
- 允许 HiGHS 接口响应键盘中断
- 为即将发布的 knitro Python 包提供了支持
这些改进使得 Pyomo 与各种求解器的交互更加稳定和高效。
3. 文档与测试改进
文档方面:
- 标准化了示例导入方式
- 新增了 LD-SDA 算法的文档
- 修复了文档中的链接问题
- 更新了未来求解器接口的文档
- 完善了
BlockData.clone
的文档说明
测试方面:
- 改进了测试框架对
pathlib
的处理 - 增加了对 IDAES 求解器的支持
- 优化了数值表达式分派器的测试驱动
- 解决了间歇性测试失败问题
这些改进提升了 Pyomo 的文档质量和测试覆盖率,为用户和开发者提供了更好的体验。
贡献包更新
Pyomo 的多个贡献包也获得了重要更新:
-
cspline_external:新增了三次样条插值函数支持,为需要插值计算的优化问题提供了便利。
-
DoE (实验设计):修正了在使用 FIM 下三角矩阵时的初始化问题。
-
FBBT (可行域边界收紧):修复了原生类型处理程序注册的 bug。
-
PyNumero:增加了对灰箱模型的支持,扩展了数值优化能力。
-
PyROS:多项改进包括:
- 修改了决策规则顺序效率
- 改进了离散不确定性下的第二阶段等式重构
- 增加了不确定参数缩减功能
技术细节优化
本次更新还包含多项底层优化:
-
日志处理:支持将 LoggerAdapter 对象传递给 LogStream,增强了日志处理的灵活性。
-
初始化器改进:支持多列 DataFrame 的初始化,方便处理表格数据。
-
ASL 构建系统:更新了 CMake 构建配置,提高了跨平台兼容性。
-
输出捕获:改进了
capture_output
对文件描述符的处理。 -
环境导入标准化:统一了 pyomo.environ 的导入方式,提高了代码一致性。
总结
Pyomo 6.9.2 是一个功能丰富且稳定的版本,它在算法实现、求解器支持、文档质量和底层优化等多个方面都有显著提升。对于需要使用 Python 进行优化建模的研究人员和工程师来说,这个版本提供了更强大的工具和更稳定的体验。
特别是新增的离散最速下降算法和三次样条插值支持,为特定类型的优化问题提供了新的解决方案。同时,对求解器接口的持续改进也确保了 Pyomo 能够充分利用各种商业和开源求解器的能力。
建议所有 Pyomo 用户考虑升级到这个版本,以获得更好的性能和更丰富的功能。对于新用户,这个版本也是一个很好的起点,可以体验到 Pyomo 强大的优化建模能力。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









