سرویس MathOpt
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
MathOpt یک API برای مدل‌سازی و حل مسائل بهینه‌سازی از C++ و Python است. سرویس MathOpt مجموعه ای آزمایشی از روش ها در OR API است که به شما امکان می دهد مسائل بهینه سازی ریاضی را از راه دور با استفاده از نقطه پایانی حل کنید:
-
https://optimization.googleapis.com/v1/mathopt:solveMathOptModel
ویژگی های MathOpt
مدل های MathOpt می توانند شامل موارد زیر باشند:
- متغیرهای عدد صحیح یا پیوسته
- محدودیت های خطی یا درجه دوم
- اهداف خطی یا درجه دوم
مدل‌ها مستقل از هر حل‌کننده‌ای تعریف می‌شوند و حل‌کننده‌ها را می‌توان به جای یکدیگر تعویض کرد. حل کننده های زیر در SolveMathOptModel پشتیبانی می شوند:
سرویس MathOpt از اکثر ویژگی های MathOpt هنگام حل یک مدل پشتیبانی می کند، از جمله:
- ثنویت
- پرتوهای اولیه و دوگانه
- راه حل های اولیه و دوگانه کمتر از حد بهینه
- شروع گرم (بر اساس محلول یا پایه)
- دلیل فسخ مفصل
- اولویت انشعاب
- بسیاری از پارامترهای مستقل از حل کننده
تماس‌های تلفنی، افزایشی، و وقفه هنوز پشتیبانی نمی‌شوند. سرویس MathOpt در آینده با استفاده از یک پروتکل ارتباطی غنی‌تر از این ویژگی‌ها پشتیبانی خواهد کرد.
راه اندازی و نصب
برای استفاده از قابلیت‌های حل از راه دور MathOpt، به یک کلید API نیاز دارید که با دنبال کردن راهنمای راه‌اندازی قابل دریافت باشد. MathOpt کتابخانه های کلاینت را در C++ و Python فراهم می کند که از زمان انتشار 9.9 به عنوان بخشی از OR-Tools در دسترس هستند.
اگر سؤالی در رابطه با سرویس MathOpt دارید، می‌توانید با or-mathopt-service+support@google.com تماس بگیرید.
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-10-30 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2024-10-30 بهوقت ساعت هماهنگ جهانی."],[[["\u003cp\u003eMathOpt is an API that allows you to model and solve optimization problems using C++ and Python, with the MathOpt service enabling remote problem-solving via a dedicated endpoint.\u003c/p\u003e\n"],["\u003cp\u003eMathOpt supports a variety of model components, including integer/continuous variables, linear/quadratic constraints, and linear/quadratic objectives, and offers flexibility in solver selection with options like GLOP, PDLP, CP-SAT, SCIP, GLPK, OSQP, and HiGHS.\u003c/p\u003e\n"],["\u003cp\u003eThe MathOpt service provides access to features such as duality, primal and dual rays, suboptimal solutions, warm starts, detailed termination reasons, and branching priority, while callbacks, incrementalism, and interruption are planned for future updates.\u003c/p\u003e\n"],["\u003cp\u003eTo utilize the MathOpt service's remote solving capabilities, you will need an API key and the OR-Tools client libraries (available since release 9.9) for C++ and Python.\u003c/p\u003e\n"]]],["MathOpt API allows modeling and remotely solving optimization problems via the `https://optimization.googleapis.com/v1/mathopt:solveMathOptModel` endpoint, supporting integer/continuous variables, linear/quadratic constraints, and objectives. Models are solver-independent, with supported solvers including GLOP, PDLP, CP-SAT, SCIP, GLPK, OSQP, and HiGHS. Features like duality, warm starts, and detailed termination reasons are available. Access requires an API key, and client libraries are in OR-Tools release 9.9. Future features will include callbacks, incrementalism, and interruption.\n"],null,["# The MathOpt Service\n\nMathOpt is an API for modeling and solving optimization problems from C++ and\nPython. The MathOpt *service* is an experimental set of methods within the OR\nAPI that lets you to solve mathematical optimization problems *remotely* using\nthe endpoint:\n\n- `https://optimization.googleapis.com/v1/mathopt:solveMathOptModel`\n\nMathOpt Features\n----------------\n\nMathOpt models can contain:\n\n- Integer or continuous variables\n- Linear or quadratic constraints\n- Linear or quadratic objectives\n\nModels are defined independently of any solver and solvers can be swapped\ninterchangeably. The following solvers are supported in the `SolveMathOptModel`:\n\n- [GLOP](/optimization/lp/lp_advanced)\n- [PDLP](/optimization/lp/pdlp_math)\n- [CP-SAT](/optimization/cp/cp_solver)\n- [SCIP](https://www.scipopt.org/)\n- [GLPK](https://www.gnu.org/software/glpk/)\n- [OSQP](https://osqp.org/)\n- [HiGHS](https://highs.dev/)\n\nThe MathOpt service supports most the features of MathOpt when solving a model,\nincluding:\n\n- Duality\n- Primal and dual rays\n- Suboptimal primal and dual solutions\n- Warm starts (by solution or basis)\n- Detailed termination reason\n- Branching priority\n- Many solver independent parameters\n\nCallbacks, incrementalism, and interruption are not yet supported. The MathOpt\nservice will support these features in the future using a richer communication\nprotocol.\n\nSetup and Installation\n----------------------\n\nTo use MathOpt's remote solve capabilities, you need an API key that can be\nobtained following the [setup guide](/optimization/service/setup). MathOpt provides client libraries in\nC++ and Python, which are available as part of [OR-Tools since release 9.9](https://github.com/google/or-tools/releases/tag/v9.9).\n\nYou can reach out to [or-mathopt-service+support@google.com](mailto:or-mathopt-service+support@google.com) should you have\nquestions related to the MathOpt service."]]
