优化求解器之手把手教你申请试用与运行MindOpt求解器

本文涉及的产品
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
模型训练 PAI-DLC,100CU*H 3个月
交互式建模 PAI-DSW,每月250计算时 3个月
简介: MindOpt 是阿里巴巴达摩院决策智能实验室研发出的求解优化问题的专业计算软件。可广泛应用于云计算、零售、金融、制造、交通、能源等领域,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。那么,要如何申请试用与运行MindOpt求解器呢?

申请试用MindOpt


以下两种方式均可申请试用哦~


(1)在线版:

我们把MindOpt优化求解器上线了阿里云平台 https://www.aliyun.com/product/ai/opt,线上会提供免费的云端linux机器,可线上免费使用求解器,同时我们提供了多个案例教程,可以线上根据教程来一步步操作。目前上线的能力是线性规划。


SDK的下载和安装说明请见:https://help.aliyun.com/document_detail/298275.html

快速入门请见:https://help.aliyun.com/document_detail/298300.html


申请试用流程:首先请打开网页:https://www.aliyun.com/product/ai/opt,点击“免费公测”,进入管控台页面,点击“概览” - “购买” - “立即购买”,然后就可以在线免费试用三个月MindOpt啦~

(2)单机版

如果您还有在自己机器部署的需求,可邮件联系我们(solver.damo@list.alibaba-inc.com)发送 license 申请。我们会尽快对申请材料进行核对,若申请审核通过,我们会邮件发送安装包与有限日期内免费使用的授权许可到您的申请邮箱。同时我们会持续升级产品,若您未通过审核,申请依然有效,仍有可能参与下个版本的测试。

申请格式如下:

滴~要如何知道您的机器序列号呢?

先进入您的电脑的命令行,即windows用户进入 cmd,osx/linux用户进入 terminal。然后请按照下列所示输入指令:

  • Windows: wmic bios get serialnumber
  • Linux: cat /etc/machine-id
  • MAC:  ioreg -l | grep IOPlatformSerialNumber

得到的 SerialNumber 就是您的机器序列号。之后别犹豫,发邮件给我们申请试用吧,我们会以最快的速度把mindopt.lic 授权文件发给您!

收到 license 后,下面就开始配置环境与安装软件啦~


配置环境与安装

目前,MindOpt提供对以下操作系统及语言的支持:

支持的操作系统:

操作系统

要求

Windows

Windows 7, 8, and 10

Linux

GLIBC 大于等于 2.17

OSX

大于等于 10.9

支持的语言:

语言

建议使用的编译器

C

Visual Studio 大于等于 2015、GCC 大于等于 4.5、Clang++

C++

Visual Studio 大于等于 2015、GCC 大于等于 4.5、Clang++

Python

Anaconda Python 3.6, 3.7 或 3.8


接下来就是MindOpt在各系统的安装说明啦~


(一)Windows 平台安装说明

  1. Windows 系统的 MindOpt 安装包请见:https://help.aliyun.com/document_detail/298275.html
  2. 控制面板中搜索并选择系统
  3. 单击高级系统设置
  4. 单击环境变量,在系统变量中找到PATH环境变量并选中它。点击编辑,如果PATH环境变量不存在,请单击新建以创建一个新变量。
  5. 编辑系统变量(或新系统变量)窗口中,添加以下路径

这里的,分别指MindOpt安装目录、版本号和操作系统平台。

  1. 单击确定关闭所有剩余的窗口。


(二)Linux 平台安装说明

  1. Linux 系统的 MindOpt 安装包请见:https://help.aliyun.com/document_detail/298275.html

  1. 切换到主目录,用文本编辑器打开.bashrc文件

cd ~

nano .bashrc

  1. 将以下代码添加到文件中。这里的是您的MindOpt安装目录。

exportLD_LIBRARY_PATH="///lib/"${LD_LIBRARY_PATH:+:$LD_LIBRARY_PATH}
exportPATH="///bin/"${PATH:+:$PATH}

  1. 输入Ctrl+x来保存修改的文件并退出文本编辑器。
  2. 使用source命令强制重新加载.bashrc文件,该文件通常在每次登录时只读。

source ~/.bashrc


(三)OSX 平台安装说明

  1. OSX 系统的 MindOpt 安装包请见:https://help.aliyun.com/document_detail/298275.html

  1. 切换到主目录,用文本编辑器打开.bashrc文件。

cd ~
nano .bashrc

  1. 将以下代码添加到文件中. 这里的是您的MindOpt安装目录。

exportDYLD_LIBRARY_PATH="///lib/"${DYLD_LIBRARY_PATH:+:$DYLD_LIBRARY_PATH}
exportPATH="///bin/"${PATH:+:$PATH}

  1. 输入Ctrl+x来保存修改的文件并退出文本编辑器。
  2. 使用source命令强制重新加载.bashrc文件,该文件通常在每次登录时只读。

source ~/.bashrc


License设置

在获得相应的license后,请按照以下步骤进行相关设置。

Windows 平台安装说明

Linux 平台安装说明 OSX 平台安装说明
  1. 单击电脑 开始 按钮,然后键入 cmd 以打开命令提示符。
  2. 在您的home目录中创建一个名为 mindopt 的文件夹,然后在其中保存您的许可证(license)文件。

mkdir mindopt

copy <PATH\TO\LICENSE>\mindopt.lic mindopt\

在您的home目录中创建一个名为 mindopt 的文件夹,然后在其中保存您的许可证(license)文件。

mkdir ~/mindopt

cp <PATH/TO/LICENSE>/mindopt.lic ~/mindopt/

在您的home目录中创建一个名为mindopt 的文件夹,然后在其中保存您的许可证(license)文件。

mkdir ~/mindopt

cp <PATH/TO/LICENSE>/mindopt.lic ~/mindopt/


安装Python包

到了最关键的一步,安装python包啦,您别着急!

windows用户进入 cmd,osx/linux用户进入 terminal

python ///lib/python/setup.py install

小编温馨提醒:这里的//指的是你mindopt安装路径哦。


首先请安装好Pycharm

在Pycharm的 Terminal中输入:

pip install numpy

pip install pandas

pip install matplotlib   (要是想结果图形展示的话就添加下)

*提示:偶尔下载超时,别着急重新执行试试看!

右键项目名字->添加项目文件:glov.py、Input.py、main.py、Unit.py

在该文件夹下新建文件夹SimpleData,将咱们的案例数据放入其中。

接下来就到测试运行环节啦~


测试运行

准备工具:PyCharm(小编这里安装的是python3.7,pip要勾选)

打开main.py右键运行看看!

如果报错找不到DLL啥的,哈哈肯定是你环境变量没有设置好。如果嫌麻烦,小编还有个懒招,无私奉献给你!

把之前mindopt中lib文件夹下的lib和dll,将这些文件放入你的pycharm项目文件夹下!

准备工作一切就绪了!

好啦!今天的知识就先到这里啦~你学会了如何申请试用与运行MindOpt求解器吗?

相关文章
|
7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。
133 4
|
6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。
141 0
|
7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。
|
7月前
|
达摩院 Linux 决策智能
阿里达摩院MindOpt优化求解器-月刊(2024年3月)
### MindOpt 优化求解器月刊(2024年3月) - 发布亮点:MAPL建模语言升级至V2.4,支持云上无安装使用和向量化建模语法。 - 新增功能:Linux用户可本地安装`maplpy`,并支持Python与MAPL混编。 - 实例分享:介绍背包问题的组合优化,展示如何在限定容量下最大化收益。 - 用户投稿:探讨机票超售时的最优调派策略,以最小化赔付成本。 - 加入互动:官方钉钉群32451444,更多资源及。 [查看详细内容](https://opt.aliyun.com/)
132 0
阿里达摩院MindOpt优化求解器-月刊(2024年3月)
|
7月前
|
达摩院 Linux API
阿里达摩院MindOpt求解器V1.1新增C#接口
阿里达摩院MindOpt求解器发布最新版本V1.1,增加了C#相关API和文档。优化求解器产品是求解优化问题的专业计算软件,可广泛各个行业。阿里达摩院从2019年投入自研MindOpt优化求解器,截止目前经历27个版本的迭代,取得了多项国内和国际第一的成绩。就在上个月,2023年12月,在工信部产业发展促进中心等单位主办的首届能源电子产业创新大赛上,MindOpt获得电力用国产求解器第一名。本文将为C#开发者讲述如何下载安装MindOpt和C#案例源代码。
245 3
阿里达摩院MindOpt求解器V1.1新增C#接口
|
7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)
|
7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。
150 0
|
4月前
|
达摩院 供应链 安全
光储荷经济性调度问题【数学规划的应用(含代码)】阿里达摩院MindOpt
本文介绍使用MindOpt工具优化光储荷经济性调度的数学规划问题。光储荷经济性调度技术旨在最大化能源利用率和经济效益,应用场景包括分布式光伏微网、家庭能源管理系统、商业及工业用电、电力市场参与者等。文章详细阐述了如何通过数学规划方法解决虚拟电厂中的不确定性与多目标优化难题,并借助MindOpt云建模平台、MindOpt APL建模语言及MindOpt优化求解器实现问题建模与求解。最终案例展示了如何通过合理充放电策略减少37%的电费支出,实现经济与环保双重效益。读者可通过提供的链接获取完整源代码。
|
4月前
|
达摩院 BI 索引
切割问题【数学规划的应用(含代码)】阿里达摩院MindOpt
本文主要讲述了使用MindOpt工具对切割问题进行优化的过程与实践。切割问题是指从一维原材料(如木材、钢材等)中切割出特定长度的零件以满足不同需求,同时尽可能减少浪费的成本。文章通过实例详细介绍了如何使用MindOpt云上建模求解平台及其配套的MindOpt APL建模语言来解决此类问题,包括数学建模、代码实现、求解过程及结果分析等内容。此外,还讨论了一维切割问题的应用场景,并对其进行了扩展,探讨了更复杂的二维和三维切割问题。通过本文的学习,读者能够掌握利用MindOpt工具解决实际切割问题的方法和技术。
|
4月前
|
达摩院 算法 安全
智慧楼宇多目标调度问题【数学规划的应用(含代码)】阿里达摩院MindOpt
本文探讨了使用MindOpt工具优化智慧楼宇的多目标调度问题,特别是在虚拟电厂场景下的应用。智慧楼宇通过智能化技术综合考虑能耗、舒适度等多目标,实现楼宇设备的有效管理和调度。虚拟电厂作为多能源聚合体,能够参与电力市场,提供调峰、调频等辅助服务。文章介绍了如何使用MindOpt云上建模求解平台及MindOpt APL建模语言对楼宇多目标调度问题进行数学建模和求解,旨在通过优化储能设备的充放电操作来最小化用电成本、碳排放成本和功率变化成本,从而实现经济、环保和电网稳定的综合目标。最终结果显示,在使用储能设备的情况下,相比不使用储能设备的情形,成本节约达到了约48%。