在 Docplex 中，对一维变量列表可用 var[-1] 获取末项，但对二维字典或矩阵变量，-1 索引无效——因字典无顺序概念，需显式指定最大索引值来访问末行变量。
在 docplex 中，对一维变量列表可用 var[-1] 获取末项，但对二维字典或矩阵变量，-1 索引无效——因字典无顺序概念，需显式指定最大索引值来访问末行变量。
在使用 IBM Decision Optimization CPLEX Modeling for Python（Docplex）构建时序优化模型时，一个常见需求是强制每个时间序列的初始值等于其终值（例如实现周期性边界条件）。当变量为一维结构（如 continuous_var_list）时，Python 的负索引语法 var[-1] == var[0] 可直接生效；但一旦扩展到二维场景（如多个并行时间序列），若误将该语法套用于字典或矩阵变量，便会触发 KeyError: (-1, j) ——因为 continuous_var_dict 创建的是基于显式键（如 (t, j) 元组）的哈希映射，不支持负索引，且键 (-1, j) 根本未被定义。
正确做法是：优先使用 continuous_var_matrix 构建结构化二维变量容器，并通过显式计算最大时间步索引来引用末行变量。例如：
from docplex.mp.model import Model m = Model(name='periodic_constraint_demo') timesteps = 5 # 时间点数量：0, 1, 2, 3, 4 → 最大索引为 4 timeseries = range(3) # 3 条独立序列 # ✅ 推荐：使用 continuous_var_matrix（返回嵌套字典，支持整数索引） vars2 = m.continuous_var_matrix(keys1=range(timesteps), keys2=timeseries, name="x") # ✅ 正确约束：显式使用最大时间索引（timesteps - 1），而非 -1 last_t = timesteps - 1 m.add_constraints(vars2[last_t, j] == vars2[0, j] for j in timeseries) # 验证约束数量与变量结构 m.print_information()
⚠️ 注意事项：
timesteps是长度，末索引为timesteps - 1（非max(timesteps)，后者在range(n)下等价但语义模糊）；- 若时间索引非连续整数（如
timesteps = [1, 5, 10, 15]），需改用max(timesteps)并确保该值确实在键集中；- 切勿对
continuous_var_dict的键做负索引假设——其迭代顺序不保证，且[-1, j]键必然不存在；- 使用
continuous_var_matrix不仅语义清晰、索引安全，还便于后续添加行列约束（如sum(vars2[t, j] for t in ...))。
综上，关键在于区分数据结构语义：列表（有序、支持负索引） vs 字典/矩阵（键驱动、需显式寻址）。坚持用 matrix + 显式末索引，即可稳健实现多序列周期性约束。
