将求解器GRG非线性函数转换为纸浆

Question

我的任务是将Solver中使用的GRG非线性问题转换为python。因为我没有NLP的经验，所以我试图将其转化为LP问题

我们有12个变量代表一年内每月产生的太阳能，12个常数代表每月的电网消耗。目标是使十二个变量之和最大化。在纸浆中，我们用以下方式表示这些变量：

problem = LpProblem("Test_Problem", LpMaximize)
grid_consumption = [190, 409, 273, 424, 351, 412, 360, 509, 280, 241, 263, 175]
total_grid_consumption = sum(consumo_odf)
fv_productions = LpVariable.dicts('fv', list(range(12)))

有五个约束，一些显式依赖于变量，另一些隐式依赖于变量

例如，其中一个限制条件是太阳能发电量不能大于电网消耗量，这是一个常数。在纸浆中，我们用以下方式表示此约束：

for i in range(12):
    fv_i - grid_consumption[i] <= 0

让我们头疼的一个限制是，1/3的自我消耗必须大于补偿的能量。 如果电网用电量低于太阳能发电量（fv_i），则每月自用电量等于电网用电量，如果电网用电量低于太阳能发电量（fv_i），则每月自用电量等于电网用电量：

for i in range(12):
    if(fv_i>grid_consumption[i]):
        self_consumption[i] = grid_consumption[i]
    else:
        self_consumption[i] = fv_i

Excel Solver对此约束没有问题，但我们不知道如何将其转换为纸浆约束。欢迎任何帮助。这是我的第一个问题，如果我能提供更多的信息，请让我知道。谢谢

Answer 1

好的，所以我设法解决了。结果，我不得不再添加两个约束：

for i in range(12):
    self_consumption[i] <= grid_consumption[i]
    self_consumption[i] <= fv_i

由于这是一个最大化类型的问题，每个变量的值将低于电网消耗和太阳能发电之间的最低值