在 Docplex中，对一维变量列表可用var[-1]访问末项，但对二维字典（如continuous_var_dict）该语法无效——因字典无序且不支持负索引；应改用continuous_var_matrix并显式指定最大时间步索引。
在 docplex中，对一维变量列表可用var[-1]访问末项，但对二维字典（如continuous_var_dict）该语法无效——因字典无序且不支持负索引；应改用continuous_var_matrix并显式指定最大时间步索引。
在构建多时间序列优化模型时，常需强制每个序列的初始值与终值相等（例如实现周期性边界条件或稳态假设）。这一需求在一维场景下简洁直观：
var_1 = m.continuous_var_list(timesteps, name="x") m.add_constraint(var_1[-1] == var_1[0]) # ✅ 合法：list 支持负索引
但当扩展至二维结构（如每个时间步 i ∈ timesteps 与每条序列 j ∈ timeseries 组成的变量矩阵）时，切勿沿用 -1 作为键：
# ❌ 错误示例：continuous_var_dict 返回 dict，键为显式元组，不包含 (-1, j) var_1 = m.continuous_var_dict([(i, j) for i in timesteps for j in timeseries], name="var_1") m.add_constraints(var_1[-1, j] == var_1[0, j] for j in timeseries) # KeyError: (-1, 0)
报错根源在于：continuous_var_dict 创建的是纯映射（dict），其键必须严格匹配构造时提供的元组（如 (0,0), (1,0), ..., (4,0)）。(-1, j) 并未被定义，因此触发 KeyError。
✅ 正确做法是使用 continuous_var_matrix —— 它返回一个支持整数索引（含边界检查）的二维容器，并允许通过明确的行列范围安全访问：
timesteps = list(range(5)) # e.g., [0, 1, 2, 3, 4]
timeseries = list(range(10)) # e.g., [0, 1, ..., 9]
# 创建二维变量矩阵（推荐）
vars2 = m.continuous_var_matrix(keys1=timesteps, keys2=timeseries, name="vars2")
# 显式获取“最后的时间步”：max(timesteps) 或 len(timesteps)-1
last_t = max(timesteps) # 若 timesteps 是 range(5)，则 last_t == 4
# 添加约束：对每条序列 j，要求 vars2[0,j] == vars2[last_t,j]
m.add_constraints(
vars2[last_t, j] == vars2[0, j]
for j in timeseries
)
⚠️ 注意事项：
continuous_var_matrix的keys1和keys2应为有序可迭代对象（如range(n)或list），以确保索引语义清晰；- 若
timesteps非连续整数（如[0, 2, 5, 8]），请用max(timesteps)而非len(timesteps)-1获取末项索引；- 不要混用
var_dict与负索引逻辑；若必须用字典，需预先计算合法的末项键（如last_key = (max(timesteps), j)）再查表；- 建议调用
m.print_information()验证约束数量是否符合预期（本例应新增len(timeseries)条线性约束）。
通过切换至 continuous_var_matrix 并显式引用物理意义上的“最后时间步”，即可稳健、可读地实现多序列首末值一致性约束，彻底规避 KeyError。
