Pyomo：Python 优化建模库

Pyomo：Python 优化建模库

Pyomo 是一个基于 Python 的开源优化建模库，目前获得 2,470 个 Star。

Pyomo 用于定义符号化优化问题，创建具体的问题实例，并调用标准求解器进行求解。与其他建模语言不同，Pyomo 将优化模型嵌入完整的编程语言环境中，可以直接利用 Python 的脚本能力和丰富的第三方库进行分析和自动化处理。

Pyomo 支持的优化问题类型覆盖多个领域：

数学规划类

• 线性规划
• 二次规划
• 非线性规划
• 混合整数线性规划
• 混合整数二次规划
• 混合整数非线性规划

进阶类型

• 混合整数随机规划
• 广义析取规划
• 微分代数方程
• 带平衡约束的数学规划
• 约束规划

Pyomo 的建模对象是原生 Python 对象，可以和其他 Python 库无缝配合。mpi-sppy 包利用这一特性，实现了随机规划子问题的透明并行化，充分发挥 Python 并行通信库的能力。

安装 Pyomo 很简单，通过 pip 即可：

pip install pyomo

也可以使用 conda 从 conda-forge 频道安装：

conda install -c conda-forge pyomo

Pyomo 目前测试支持 CPython 3.10 到 3.14，以及 PyPy 3.11。当某个 Python 小版本达到生命周期结束时，Pyomo 会在下一个版本中移除对该版本的测试支持。项目采用 BSD 许可证。

Pyomo 最初由 Sandia National Laboratories 开发，2016 年迁移到 GitHub 进行开源协作。开发团队每周二举办协调会议，社区可以通过 StackOverflow 的 pyomo 标签或 Google Groups 论坛获取帮助，也可以访问官方文档站点了解详细说明。

对于想深入学习的用户，Pyomo 提供了 Springer 出版的官方教材、工作坊幻灯片、Jeffrey Kantor 教授的 Pyomo Cookbook，以及 Pyomo Gallery 中的示例代码。这些资源覆盖了从入门到高级应用的多个层面。

Pyomo 作为 COIN-OR 项目的一员，在运筹学和优化领域有广泛的应用基础，适合学术研究、工业建模和教学场景。