MathOpt est une bibliothèque conçue pour modéliser et résoudre les problèmes d'optimisation mathématiques, tels que les problèmes de programmation linéaire (LP) ou les problèmes de programmation mixte (MIP). MathOpt distingue la modélisation de la résolution, ce qui permet aux utilisateurs de basculer entre les méthodes de solution en modifiant une énumération (et une dépendance de compilation) pour sélectionner leur résolveur.
Regardez cette vidéo pour une brève présentation de MathOpt tirée de la présentation de la conférence JuMP 2023.
Fonctionnalités de MathOpt
Les modèles MathOpt peuvent contenir les éléments suivants:
Variables entières ou continues
contraintes linéaires ou quadratiques
des objectifs linéaires
ou quadratiques
plusieurs objectifs hiérarchiques
contraintes MIP spécialisées (SOS, indicateur, autres à venir)
quelques contraintes coniques (cône de second ordre, d'autres à venir)
Les modèles sont définis indépendamment des résolveurs, qui sont interchangeables de manière interchangeable. MathOpt est compatible avec les résolveurs suivants:
MathOpt fournit des bibliothèques clientes en C++ et Python pour créer votre modèle d'optimisation.
MathOpt prend en charge de nombreuses fonctionnalités avancées, y compris:
Analyse d'infaisabilité (ensemble infaisable irréductible ou IIS), Gurobi uniquement
Résolution incrémentielle
Rappels
Dualité
Rayons primaires et doubles
Solutions primaires et doubles non optimales
Suppressions de variables et de contraintes
Démarrages tièdes (par solution ou base)
Motif détaillé de la résiliation
Priorité des branches
Interruption
Nombreux paramètres indépendants du résolveur
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2024/08/09 (UTC).
[null,null,["Dernière mise à jour le 2024/08/09 (UTC)."],[[["MathOpt is a library for modeling and solving mathematical optimization problems, including linear programming (LP) and mixed integer programming (MIP)."],["MathOpt allows users to define models independently of solvers, enabling easy switching between various solvers like GLOP, PDLP, CP-SAT, SCIP, GLPK, Gurobi, and HiGHS."],["MathOpt supports a wide range of features including linear and quadratic constraints and objectives, integer and continuous variables, hierarchical objectives, and specialized MIP constraints."],["MathOpt provides client libraries in C++ and Python, along with a remote solving service for larger problems."],["MathOpt offers advanced features like infeasibility analysis, incremental solving, callbacks, duality, primal and dual rays, and more."]]],["MathOpt is a library for modeling and solving mathematical optimization problems, such as LPs and MIPs. It supports continuous or integer variables, linear/quadratic constraints and objectives, and specialized MIP/conic constraints. Users can switch between solvers like GLOP, PDLP, CP-SAT, SCIP, GLPK, Gurobi, and HiGHS, independently of the model's definition. MathOpt offers C++ and Python client libraries with example, and provides features such as infeasibility analysis, incremental solving, callbacks, duality, and warm starts.\n"]]
