用途：Pyomo（Python Optimization Modeling Objects）是用于构建、求解和分析数学优化模型的高层框架，适合战略规划、过程工程、能源系统调度、供应链优化等场景。
主要能力：以 Set、Param、Var、Objective、Constraint 等组件描述问题；区分 ConcreteModel（建模时即定义数据）与 AbstractModel（先定义结构后加载数据）；支持 LP、MILP、NLP 及随机规划；模型与求解器解耦，可对接 GLPK、CBC、IPOPT、SCIP、Baron、Gurobi、CPLEX 等外部求解器。
使用方式：先安装 pip install pyomo，并另行安装求解器（如 Conda：conda install -c conda-forge glpk ipopt）。典型流程为创建模型、定义变量与目标、添加约束、用 pyo.SolverFactory('glpk').solve(model) 求解，再用 pyo.value(model.x) 读取结果。
限制与注意：Pyomo 自身不含求解器，必须依赖外部求解器；表达式内应使用 pyo.log()、pyo.exp()、pyo.sqrt() 等兼容函数，而非 math 或 NumPy 函数；约束须为代数式，条件逻辑需用 Big-M 或二元变量重构；避免 abs()、max() 等非光滑函数；NLP 需合理初值，非凸问题可能陷入局部最优；应检查 results.solver.termination_condition 判断是否最优；变量与约束宜保持相近数量级。官方文档 http://www.pyomo.org/，GitHub https://github.com/Pyomo/pyomo。