优化求解器之拥抱未来的最优解:MindOpt优化求解器

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 3个月
模型训练 PAI-DLC,5000CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: 物流中心的选址、云计算资源的调用、电力系统的优化、打车订单的派遣,如何为这些生产生活中的应用难题找到最优解?答案是——数学规划求解器。

从诞生到开放使用

随着中国的发展,很多技术因为一些原因越来越受制于人,尤其是上游核心技术。为了解决这个问题,我国明确了“数字中国”建设战略,抢占数字经济产业链制高点。于是,国家提出“2+8”安全可控体系,2020-2022年是国家安全可控体系推广最重要的3年,中国IT产业从基础硬件 - 基础软件 - 行业应用软件有望迎来国产替代潮。这些都是为了实现信创发展的目标:自主可控。伴随着国内经济的发展,大型企业对处理大规模数据的优化求解器有着迫切需求。阿里达摩院是国内最早投入求解器研发的机构之一,最初的需求来自云计算资源的调度。2021年伊始,达摩院MindOpt向全社会开放,成为中国第一个免费开放的商用求解器。MindOpt能够实现单纯形法和内点法并发处理,求解线性规划问题时,同时激活两种算法,将求解速度提升1.2到3.5倍。

MindOpt产品开放.png

发布记录与技术特色

MindOpt的主要发布记录有三次:
*2021年01月,在阿里云天池平台发布,链接:https://tianchi.aliyun.com/mindopt。可全流程线上免费使用,并 提供6篇LP应用的教学案例和源代码,成为中国第一个免费开放的商用求解器;
*2020年11月,新增内点法、并发法,增加C++、python版本的API;
*2020年08月,达摩院发布单纯形线性规划(LP)方法,C版本API。

技术特色:
MindOpt优点:求解器运算快、解的质量好、可求解的问题规模大、适用问题类型广
当前功能:当前上线了线性规划(LP)模块,支持 C、C++、Python 语言,还有更多算法模块更新中
免费使用:采用Client/server架构,可全部在线上免费使用,丰富的案例示例教程帮助快速掌握

两次刷新世界记录

美国亚利桑那州立大学的Hans Mittelmann教授针对多种开源与商业决策优化求解器进行测评已有近20年的历史,是求解器领域最权威的国际第三方测评,也是国际求解器技术的风向标。2020年8月,达摩院MindOpt求解器首次参与该国际权威榜榜单评测,在单纯形法测评中世界第一,引起业界轰动,是首个超过国外求解器的中国求解器,且因超过了世界顶级求解器Gurobi而让Gurobi重回榜单评测;同年12月MindOpt二度刷新世界纪录,在国际权威测评中再获线性规划-单纯形法第一,以每题40秒的平均速度,成功求解40个线性规划问题,求解速度比8月夺冠时(84.3 秒)提升超过100%;同时,MindOpt还新增了内点法模块。

中科院数学与系统科学研究院研究员戴彧虹评价MindOpt:“高性能科学计算软件的开发,一直是工业界和学术界关怀的问题,MindOpt的单纯形求解算法排名榜首,是中国企业近些年来在优化计算软件范畴获得的重要成功之一。”

数学规划&数学规划求解器

那么,什么是数学规划?什么又是数学规划求解器呢?数学规划,是将复杂的现实问题建模成数学问题,并用数学方法进行求解的过程。在人们常说的智能决策之中,“智能”引擎的其中一个就是数学规划,而求解器则是求解数学规划问题的软件。“数学规划求解器是用来求解各行各业决策优化问题的基础工具,在实际应用中一般需要两个步骤。第一步,先把这些实际问题建模成一个数学模型,就像是给应用题建立方程组;第二步,把模型输入求解器,求解器就会把最终结果自动算出来。求解器的核心就是优化算法。在救护车调度、航班规划、库存优化等这样存在非常多变量的实际问题上,都可以利用运筹优化算法进行求解。”达摩院决策智能实验室王孟昌老师讲到。

第一步.png
第二步.png

广泛的应用场景

MindOpt是达摩院决策智能实验室自主研发的具备线性规划等多种功能的求解器,单纯形算法和内点法都是求解线性规划问题的通用算法。它能快速处理上万甚至上亿变量的数学模型,优化产业链和供应链,给复杂场景决策问题一个最优解。通过对百万规模容器和千万核算力的调度,MindOpt求解器每年在弹性计算资源调度优化场景里为阿里云节省数亿成本。MindOpt求解器是优化问题的专业计算软件,可广泛应用于各行各业。例如云计算领域的资源分配、资源调度问题;零售领域的仓库选址、补货优化、人员排班、收益管理问题;金融领域的资产配置、量化投资问题;制造领域的产销协同、厂房规划、排产排程、工艺优化问题;交通领域的路线规划、运力分配问题;能源领域的电网调度、市场出清、发电规划问题等等。MindOpt求解器是深埋于智能决策场景底层的“终极利器”、“降本增效”的好工具。如何为这些生产生活中的应用难题如何找到最优解?答案是——数学规划求解器。

电力行业应用-电网调度
电力行业应用-电网调度.JPG

工业炼钢材料配比
工业炼钢材料配比.png

拥抱未来的最优解

我们当前用“MindOpt”能够在40秒内,求解一个百万甚至千万级变量的问题,但如果求解技术突破提升,求解变量提升到4亿甚至400亿,而求解时间降低到4秒甚至4毫秒时,会发生什么呢?这意味着更多的随机变量不断展开,人类将能够瞬间考虑到各种无穷无尽的可能性,在工业生产,深空探索,环境治理等等场景中,像奇异博士一样进行预知决策,利用求解器解决各种“随机规划问题”,未雨绸缪,在浩瀚如烟的答案中,拥抱未来的最优解。

拥抱未来的最优解.png

联系我们:
邮箱:solver.damo@list.alibaba-inc.com
钉钉群:32451444
更多更新通知:https://solver.damo.alibaba.com
钉钉答疑群.png

相关文章
|
5月前
|
机器学习/深度学习 达摩院
阿里达摩院MindOpt优化求解器-月刊(2024年4月)
【摘要】2024.04.30,阿里云发布了MindOpt优化求解器的新商品和功能。MindOpt现在已上架,提供超低价零售求解器,支持按需购买,可在阿里云平台上直接购买联网或不联网License。新版本V1.2发布,提升MILP性能,并增加PostScaling参数。此外,MindOpt Studio推出租户定制版,正处于邀测阶段。同时分享了使用MindOpt解决二分类SVM问题的案例。更多内容,可访问相关链接。
115 0
|
5月前
|
达摩院 IDE 开发工具
阿里达摩院MindOpt优化求解器-月刊(2024年5月)
阿里达摩院MindOpt优化求解器-月刊(2024年5月版),新增了两个案例,如何使用LLM和MindOpt更准确地回答数学问题、如何使用MindOpt优化云计算集群虚拟机资源配置提高机器利用率,和如何利用IIS冲突分析指导不可解的问题解决方案。MindOpt的求解器已经可以在阿里云线上购买不联网版本。租户版也正式上线,可体验更多功能。新增QQ交流群。
108 4
|
4月前
|
达摩院 Python
阿里达摩院MindOpt优化求解器-月刊(2024年6月)
**阿里达摩院MindOpt优化求解器2024年6月月刊概览:** - 发布新功能,MAPL建模语言V2.5上线,Python APIs全面升级,旧版本不兼容。 提供快速入门教程、示例代码展示如何用Python调用MAPL。MindOpt Studio租户版新增Gradio支持,便于开发WebAPP,提供了案例源码展示如何开发。引入新案例: 1. 巡检线路的排班-2017全国大学生数学建模竞赛D题。包含最短路模型、TSP模型、弧分割模型。2. 商品组合定价策略:探讨如何最赚钱的加购区商品定价。
118 0
|
5月前
|
达摩院 算法 Java
选择优化求解器的关键因素:以MindOpt为例
选择一款适合自己业务需求的求解器我们一般需要考量什么呢?可求解的问题类型?问题规模?本文将介绍一些需要考虑的重要因素,并且介绍阿里达摩院MindOpt优化求解器在这些因素下的表现。
|
5月前
|
达摩院 开发者 容器
「达摩院MindOpt」优化形状切割问题(MILP)
在制造业,高效地利用材料不仅是节约成本的重要环节,也是可持续发展的关键因素。无论是在金属加工、家具制造还是纺织品生产中,原材料的有效利用都直接影响了整体效率和环境影响。
「达摩院MindOpt」优化形状切割问题(MILP)
|
5月前
|
人工智能 自然语言处理 达摩院
MindOpt 云上建模求解平台:多求解器协同优化
数学规划是一种数学优化方法,主要是寻找变量的取值在特定的约束情况下,使我们的决策目标得到一个最大或者最小值的决策。
|
11天前
|
机器学习/深度学习 算法 数据可视化
如果你的PyTorch优化器效果欠佳,试试这4种深度学习中的高级优化技术吧
在深度学习领域,优化器的选择对模型性能至关重要。尽管PyTorch中的标准优化器如SGD、Adam和AdamW被广泛应用,但在某些复杂优化问题中,这些方法未必是最优选择。本文介绍了四种高级优化技术:序列最小二乘规划(SLSQP)、粒子群优化(PSO)、协方差矩阵自适应进化策略(CMA-ES)和模拟退火(SA)。这些方法具备无梯度优化、仅需前向传播及全局优化能力等优点,尤其适合非可微操作和参数数量较少的情况。通过实验对比发现,对于特定问题,非传统优化方法可能比标准梯度下降算法表现更好。文章详细描述了这些优化技术的实现过程及结果分析,并提出了未来的研究方向。
13 1
|
3月前
|
人工智能 算法 调度
优化问题之如何选择合适的优化求解器
优化问题之如何选择合适的优化求解器
|
3月前
|
调度 决策智能
优化问题之优化求解器有哪些主要的评估特性
优化问题之优化求解器有哪些主要的评估特性
|
达摩院 调度
使用达摩院MindOpt优化交通调度_最大化通行量—线性规划问题
在数学规划中,网络流问题是指一类基于网络模型的流量分配问题。网络流问题的目标是在网络中分配资源,使得网络的流量满足一定的限制条件,并且使得某些目标函数最小或最大化。网络流问题通常涉及一个有向图,图中每个节点表示一个资源,每条边表示资源之间的关系。边上有一个容量值,表示该边上最多可以流动的资源数量。流量从源节点开始流出,经过一系列中间节点,最终到达汇节点。在这个过程中,需要遵守一定的流量守恒和容量限制条件。