Я пытаюсь запустить оптимизацию pyomo
и получаю сообщение об ошибке [Error 6] The handle is invalid
. Не знаю, как это интерпретировать, кажется, что это связано с привилегиями, но я не совсем понимаю.
Найдите ниже полную трассировку ошибок, а также пример игрушки для ее воспроизведения.
Полная трассировка ошибок:
Ошибка в py_run_file_impl (файл, локальный, конвертировать): Ошибка приложения:
Не удалось выполнить команду:
«C: \ Users \ ххх \ AppData \ Local \ Continuum \ anaconda3 \ envs \ люси \ Library \ Bin \ ipopt.exe
c: \ users \ xxx \ appdata \ local \ temp \ tmpp2hmid.pyomo.nl -AMPL 'Ошибка
сообщение: [Ошибка 6] Неверный дескриптор
Подробная трассировка: файл "", строка 46, в файле
"C: \ Users \ ххх \ AppData \ Local \ CONTIN ~ 1 \ ANACON ~ 1 \ envs \ люси \ Lib \ сайт-пакеты \ pyomo \ неавтоматического \ база \ solvers.py",
строка 578, в решении
_status = self._apply_solver () Файл "C: \ Users \ xxx \ AppData \ Local \ CONTIN ~ 1 \ ANACON ~ 1 \ envs \ lucy \ lib \ site-packages \ pyomo \ opt \ solver \ shellcmd.py",
строка 246, в _apply_solver
self._rc, self._log = self._execute_command (self._command) Файл "C: \ Users \ xxx \ AppData \ Local \ CONTIN ~ 1 \ ANACON ~ 1 \ envs \ lucy \ lib \ site-packages \ pyomo \ opt \ решатель \ shellcmd.py»,
строка 309, в _execute_command
tee = файл self._tee "C: \ Users \ xxx \ AppData \ Local \ CONTIN ~ 1 \ ANACON ~ 1 \ envs \ lucy \ lib \ site-packages \ pyutilib \ subprocess \ processmngr.py",
строка 660, в run_command
Воспроизводимый пример на основе this .
Чистый код Python (он работает, когда я запускаю его на Python, в среде conda
, называемой "lucy"):
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
Код для запуска в R с reticulate
довольно прост:
library(reticulate)
use_condaenv(condaenv = "lucy")
py_run_file("../pyomo_scripts/test.py")
И, наконец, для полноты, это файл diet.dat
(должен находиться по тому же пути, что и файлы python / R):
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 ;
редактировать после комментариев :
Это версии для pyomo
и ipopt
pyomo 5.6.4 py36_0 conda-forge
pyomo.extras 3.3 py36_182212 conda-forge
ipopt 3.11.1 2 conda-forge
Я унаследовал множество кода в R с оптимизацией, сделанной в pyomo
через системные вызовы. Я пытаюсь улучшить его с помощью reticulate
, чтобы избежать написания и чтения файлов, и у меня больше контроля ... если я по-прежнему выполняю системные вызовы в Python, я получу очень мало, используя reticulate
.
Спасибо.