AI 助理
备案控制台
开发者社区 达摩院 MindOpt 优化 文章 正文

达摩院MindOpt优化求解器-月刊（2023年4月）

2023-05-31 155
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 简介： 记录MindOpt重要信息，如新功能、用户故事活动、行业技术突破等，每月会刊出一期。

2023.04.28

配图-20230427.jpg

（部分链接推荐在电脑端打开）

🚌 新功能

MindOpt求解器V0.24.1上线，ARM安装包齐全了，戳我下载>>

也可在云平台opt.aliyun.com中使用新版本，免安装。

https://help.aliyun.com/document_detail/298275.html


PIP安装MindOpt Python包上线，方便！

pip install mindoptpy 即可安装，首发送2年内置License，直接用P


🔥MindOpt Tuner调参器开放公测

线上提交调参任务，得到求解器最优运行参数>>

中英文档：https://www.yuque.com/mindopt/tuner

推荐搭配使用上月新增的“数据脱敏”功能。

🚌 新案例【调参器专题】


快速入门_MindOpt Tuner调参器

页面提交，或Notebook中运行命令行、Python

https://opt.aliyun.com/#/platform/case/detail?projectName=BFnQjmumY7zq


MIPLIB2017数据集优化调参

MIP知名评测benchmark，使用调参后Cbc来求解，最高提速超过600倍

https://opt.aliyun.com/#/platform/case/detail?projectName=b2mENv36zQJf

电力SCUC问题求解调参

使用MindOpt Tuner对Cbc和CPLEX调参，均有提速

https://opt.aliyun.com/#/platform/case/detail?projectName=RNjau2aIFbqy


<<上期月刊         下期月刊>>

MindOpt官方钉钉群号：32451444

文章标签：
Python
达摩院
关键词：
mindopt优化求解器
达摩院优化求解器
优化求解器mindopt
优化求解器达摩院
达摩院优化求解器求解器
mindopt
目录
相关文章
决策智能Lab_运营小编003
|
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。
决策智能Lab_运营小编003
111 2
决策智能Lab_运营小编003
|
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。
决策智能Lab_运营小编003
131 2
决策智能Lab_运营小编003
|
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%。
决策智能Lab_运营小编003
95 2
决策智能Lab_运营小编003
|
4月前
|
达摩院 供应链 JavaScript
网络流问题--仓储物流调度【数学规划的应用(含代码)】阿里达摩院MindOpt
本文通过使用MindOpt工具优化仓储物流调度问题，旨在提高物流效率并降低成本。首先，通过考虑供需匹配、运输时间与距离、车辆容量、仓库储存能力等因素构建案例场景。接着，利用数学规划方法，包括线性规划和网络流问题，来建立模型。在网络流问题中，通过定义节点（资源）和边（资源间的关系），确保流量守恒和容量限制条件下找到最优解。文中还详细介绍了MindOpt Studio云建模平台和MindOpt APL建模语言的应用，并通过实例展示了如何声明集合、参数、变量、目标函数及约束条件，并最终解析了求解结果。通过这些步骤，实现了在满足各仓库需求的同时最小化运输成本的目标。
决策智能Lab_运营小编003
195 1
决策智能Lab_运营小编003
|
5月前
|
达摩院 安全 调度
网络流问题--交通调度【数学规划的应用(含代码)】阿里达摩院MindOpt
本文探讨了如何利用数学规划工具MindOpt解决交通调度问题。交通调度涉及网络流分析，考虑道路容量、车辆限制、路径选择等因素，以实现高效运行。通过建立数学模型，利用MindOpt云平台和建模语言MAPL，设定流量最大化目标并确保流量守恒，解决实际的调度问题。案例展示了如何分配车辆从起点到终点，同时满足道路容量约束。MindOpt Studio提供在线开发环境，支持模型构建和求解，帮助优化大规模交通调度。
决策智能Lab_运营小编003
114 1
决策智能Lab_运营小编003
|
5月前
|
达摩院
人员排班【数学规划的应用(含代码)】阿里达摩院MindOpt
本文介绍了使用阿里巴巴达摩院的MindOpt工具解决人员排班的数学规划问题。人员排班在多个行业中至关重要，如制造业、医疗、餐饮和零售等。问题涉及多种约束，包括工作需求、员工能力、工作时间限制、连续工作天数及公平性。通过MindOpt云建模平台和建模语言MindOpt APL，建立数学模型并编写代码来解决最小化总上班班次的问题。案例中展示了如何声明集合、参数、变量和约束，并给出了部分代码示例。最后，通过MindOpt求解器得到最优解，并将结果输出到CSV文件中。
决策智能Lab_运营小编003
166 0
决策智能Lab_运营小编003
|
5月前
|
存储 达摩院 供应链
排产排程问题【数学规划的应用（含代码）】阿里达摩院MindOpt
**文章摘要：** 本文探讨了使用阿里巴巴达摩院的MindOpt优化求解器解决制造业中的排产排程问题。排产排程涉及物料流动、工序安排、设备调度等多个方面，通常通过数学规划方法建模。MindOpt支持线性规划、整数规划等，能有效处理大规模数据。案例以香皂制造工厂为例，考虑了多种油脂的购买、存储和生产计划，以及价格变化和存储成本。问题通过数学建模转化为MindOpt APL代码，求解器自动寻找最优解，以最大化利润。文章还提供了代码解析，展示了解决方案的细节，包括目标函数（利润最大化）、约束条件（如生产效率、库存管理）以及结果分析。
决策智能Lab_运营小编003
126 0
决策智能Lab_运营小编003
|
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。
决策智能Lab_运营小编003
163 0
「达摩院MindOpt」优化形状切割问题（MILP）
决策智能Lab_运营小编003
|
7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。
决策智能Lab_运营小编003
218 0
Deephub
|
2月前
|
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。
Deephub
33 1

达摩院 MindOpt 优化

热门文章

最新文章

  • 1
    SQL优化器原理 - Auto Hash Join
  • 2
    PostgreSQL 9.6 并行计算 优化器算法浅析
  • 3
    MySQL · 捉虫动态 · order by limit 造成优化器选择索引错误
  • 4
    PostgreSQL 优化器案例之 - order by limit 索引选择问题
  • 5
    优化求解器之MPS文件的格式简介
  • 6
    关键时刻HINT出彩 - PG优化器的参数优化、执行计划固化CASE
  • 7
    pytorch优化器与学习率设置详解
  • 8
    SQL Server优化器特性-隐式谓词
  • 9
    Oracle数据的优化器有两种优化方法：
  • 10
    学习黑盒优化算法CMA和RandomSearch，借助阿里达摩院MindOpt的RABBO榜单【系列2/4】
  • 1
    深度探索自适应学习率调整：从传统方法到深度学习优化器
    143
  • 2
    阿里达摩院MindOpt优化求解器-月刊（2024年4月）
    130
  • 3
    深入了解MindOpt优化求解器的License服务
    84
  • 4
    MindOpt APL向量化建模语法的介绍与应用（2）
    76
  • 5
    阿里达摩院MindOpt优化求解器-月刊（2024年3月）
    126
  • 6
    MindOpt APL 最新版本功能介绍，并且开放下载使用了！
    147
  • 7
    MindOpt APL向量化建模语法的介绍与应用（1）
    96
  • 8
    了解MindOpt优化求解器的各种调用方式、方法
    201
  • 9
    阿里达摩院MindOpt优化求解器-月刊（2024年2月）
    142
  • 10
    阿里达摩院MindOpt优化求解器-月刊（2024年1月）
    158

    • 相关课程

    更多
  • 达摩院MindOpt优化求解器入门与实践
  • 2024天池云原生编程挑战赛--赛题1解析
  • 2024天池云原生编程挑战赛--赛题3解析
  • 人人都能学｜AI大模型应用搭建
  • AI数学基础（上）
  • AI数学基础

    • 相关电子书

    更多
  • 阿里技术专家一挃：MongoDB 优化器 & 执行器介绍
  • 深度学习在线下场景的探索与实践-云栖大会
  • 打造多端多模态最优效果的百炼，共建大模型生态繁荣

    • 相关实验场景

    更多
  • 【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
  • SAE 极速部署专属 AI 证件照神器
  • 流水线运行出错排查难？AI帮你智能排查
  • 以电商场景为例搭建AI语义搜索应用
  • 奥运时刻！零代码生成奥运风格AI写真。
  • 【AI破次元壁合照】少年白马醉春风，函数计算一键部署AI绘画平台
    • 下一篇
    阿里云无影云电脑免费试用，最长可试用3个月