【发布时间】：2019-10-16 04:51:20
【问题描述】：
我正在尝试运行pyomo 优化并收到错误消息[Error 6] The handle is invalid。不知道怎么解释，看了一圈好像和特权有关系但是我不是很懂。
在下面找到完整的错误跟踪以及重现它的玩具示例。
完整的错误跟踪：
py_run_file_impl（文件，本地，转换）中的错误：ApplicationError： 无法执行命令： 'C:\Users\xxx\AppData\Local\Continuum\anaconda3\envs\lucy\Library\bin\ipopt.exe c:\users\xxx\appdata\local\temp\tmpp2hmid.pyomo.nl -AMPL' 错误 消息：[错误 6] 句柄无效
详细的回溯：文件“”，第 46 行，在文件中 "C:\Users\xxx\AppData\Local\CONTIN~1\ANACON~1\envs\lucy\lib\site-packages\pyomo\opt\base\solvers.py", 第 578 行，在求解 _status = self._apply_solver() 文件“C:\Users\xxx\AppData\Local\CONTIN~1\ANACON~1\envs\lucy\lib\site-packages\pyomo\opt\solver\shellcmd.py”， 第 246 行，在 _apply_solver self._rc, self._log = self._execute_command(self._command) 文件“C:\Users\xxx\AppData\Local\CONTIN~1\ANACON~1\envs\lucy\lib\site-packages\pyomo\opt \求解器\shellcmd.py", 第 309 行，在 _execute_command 中 tee = self._tee 文件“C:\Users\xxx\AppData\Local\CONTIN~1\ANACON~1\envs\lucy\lib\site-packages\pyutilib\subprocess\processmngr.py”， 第 660 行，在 run_command 中
基于this 的可重现示例。
纯python代码（当我在python中运行它时，它可以在称为“lucy”的conda环境中运行）：
from pyomo.environ import *
infinity = float('inf')
model = AbstractModel()
# Foods
model.F = Set()
# Nutrients
model.N = Set()
# Cost of each food
model.c = Param(model.F, within=PositiveReals)
# Amount of nutrient in each food
model.a = Param(model.F, model.N, within=NonNegativeReals)
# Lower and upper bound on each nutrient
model.Nmin = Param(model.N, within=NonNegativeReals, default=0.0)
model.Nmax = Param(model.N, within=NonNegativeReals, default=infinity)
# Volume per serving of food
model.V = Param(model.F, within=PositiveReals)
# Maximum volume of food consumed
model.Vmax = Param(within=PositiveReals)
# Number of servings consumed of each food
model.x = Var(model.F, within=NonNegativeIntegers)
# Minimize the cost of food that is consumed
def cost_rule(model):
return sum(model.c[i]*model.x[i] for i in model.F)
model.cost = Objective(rule=cost_rule)
# Limit nutrient consumption for each nutrient
def nutrient_rule(model, j):
value = sum(model.a[i,j]*model.x[i] for i in model.F)
return model.Nmin[j] <= value <= model.Nmax[j]
model.nutrient_limit = Constraint(model.N, rule=nutrient_rule)
# Limit the volume of food consumed
def volume_rule(model):
return sum(model.V[i]*model.x[i] for i in model.F) <= model.Vmax
model.volume = Constraint(rule=volume_rule)
opt = SolverFactory('ipopt')
instance = model.create_instance('diet.dat')
results = opt.solve(instance, tee=False)
results
在 R 中使用 reticulate 运行它的代码非常简单：
library(reticulate)
use_condaenv(condaenv = "lucy")
py_run_file("../pyomo_scripts/test.py")
最后为了完整起见，这是 diet.dat 文件（必须与 python/R 文件位于同一路径）：
param: F: c V :=
"Cheeseburger" 1.84 4.0
"Ham Sandwich" 2.19 7.5
"Hamburger" 1.84 3.5
"Fish Sandwich" 1.44 5.0
"Chicken Sandwich" 2.29 7.3
"Fries" .77 2.6
"Sausage Biscuit" 1.29 4.1
"Lowfat Milk" .60 8.0
"Orange Juice" .72 12.0 ;
param Vmax := 75.0;
param: N: Nmin Nmax :=
Cal 2000 .
Carbo 350 375
Protein 55 .
VitA 100 .
VitC 100 .
Calc 100 .
Iron 100 . ;
param a:
Cal Carbo Protein VitA VitC Calc Iron :=
"Cheeseburger" 510 34 28 15 6 30 20
"Ham Sandwich" 370 35 24 15 10 20 20
"Hamburger" 500 42 25 6 2 25 20
"Fish Sandwich" 370 38 14 2 0 15 10
"Chicken Sandwich" 400 42 31 8 15 15 8
"Fries" 220 26 3 0 15 0 2
"Sausage Biscuit" 345 27 15 4 0 20 15
"Lowfat Milk" 110 12 9 10 4 30 0
"Orange Juice" 80 20 1 2 120 2 2 ;
在 cmets 之后编辑：
这些是pyomo 和ipopt 的版本
pyomo 5.6.4 py36_0 conda-forge
pyomo.extras 3.3 py36_182212 conda-forge
ipopt 3.11.1 2 conda-forge
我继承了 R 中的大量代码，并通过系统调用在 pyomo 中完成了优化。我正在尝试通过使用reticulate 来改进它，这样我就可以避免写入和读取文件并且我有更多的控制权......如果我仍然在 python 中进行系统调用，我将通过使用reticulate 获得很少。
谢谢。
【问题讨论】：
-
您使用的是什么版本的 Pyomo？您如何使用 Pyomo 求解模型，使用
pyomo命令行界面或使用 Python 脚本？ -
感谢您的评论，我编辑了我的问题。
标签： python r pyomo reticulate