MindOpt APL,可以支持调用几十种求解器的建模语言

本文涉及的产品
NLP自然语言处理_基础版,每接口每天50万次
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_高级版,每接口累计50万次
简介: 建模语言可以提供更高级、更灵活的问题描述方式,从而提高问题的理解和求解效率。它可以加速问题的开发和部署过程,促进不同领域之间的合作和交流,从而推动问题求解的进展和创新。

建模语言的背景

数学规划问题在社会各领域均有广泛应用。例如电网中的能源调度与定价,航班与高铁的排班排程,共享出行的人车匹配,物流寄送的路径规划,供应链中的仓储调拨,搜索推荐的流量分发和内容推荐等。优化大规模数学规划问题一般都采用建立数学模型,然后将数学模型转化为代码的形式调用优化求解器的方式,所以数学建模是尤为关键的一部分。如何将实际问题建模,需要一种专门的语言,能够方便地表达和求解代数模型。

MAPL简介

MindOpt APL (MindOpt Algebraic Programming Language, MAPL) 是一种高效且通用的代数建模语言,由阿里达摩院研发,主要用于数学规划问题的建模,并支持调用多种求解器求解。它当前支持通用的线性、非线性、混合整数问题的建模。其语法贴近数学语言,与代数数学公式很接近,易学易写易读易维护。且MindOpt APL支持对接20+种优化求解器,可用一行命令就切换,大大提升了用户在优化问题求解环节的方案丰富度,降低风险和使用门槛。

支持的求解器

商用求解器

支持的商用求解器包含:

开源求解器

支持的开源求解器包含:

求解器

描述

适合问题

Ipopt

来自COIN-OR, Eclipse Public License,可获取源码 https://github.com/coin-or/Ipopt

Nonlinear optimization (NLP)

Cbc

来自COIN-OR, Eclipse Public License,可获取源码 https://github.com/coin-or/Cbc

Mixed integer linear programming(MILP)

Gecode

https://www.gecode.org/,MIT license,可获取源码https://github.com/Gecode/gecode

Constraint solver (约束规划)

Bonmin

来自COIN-OR Eclipse Public License,可获取源码:https://github.com/coin-or/Bonmin

Mixed-Integer Nonlinear Programming(MINLP)

HiGHS

https://highs.dev,MIT license,可获取源码https://github.com/ERGO-Code/HiGHS

large-scale sparse linear programming (LP),

mixed-integer programming (MIP), and quadratic programming (QP)

Couenne

https://www.coin-or.org/Couenne/,来自COIN-OR, Eclipse Public License,可获取源码https://www.coin-or.org/download/source/

Mixed-Integer Nonlinear Programming(MINLP)

JaCoP

GNU Affero General Public License,可获取源码:https://github.com/radsz/jacop

Constraint Programming(约束规划)

应用

一个简单的示例:

clear model; #清除模型,多次运行使用
# -----建模----
var xa >= 3;   
var xb >= 3;
maximize reward: 100 * xa + 150 * xb;
subject to cons: xa + xb = 8;
# -----求解----
option solver mindopt;  #(可选)选择求解器,默认就是MindOpt
solve;
option solver cbc; 
solve;

结果如下:

Running mindoptampl
wantsol=1
MindOpt Version 1.0.1 (Build date: 20231114)
Copyright (c) 2020-2023 Alibaba Cloud.
Start license validation (current time : 01-DEC-2023 17:59:41).
License validation terminated. Time : 0.005s
Model summary.
 - Num. variables     : 2
 - Num. constraints   : 1
 - Num. nonzeros      : 2
 - Bound range        : [3.0e+00,8.0e+00]
 - Objective range    : [1.0e+02,1.5e+02]
 - Matrix range       : [1.0e+00,1.0e+00]
Presolver started.
Model has been fully presolved.
Presolver terminated. Time : 0.000s
Simplex method started.
Model fingerprint: ==wZ3d2dnd3Z
Postsolver started.
Simplex method terminated. Time : 0.001s
OPTIMAL; objective 1050.00
0 simplex iterations
Completed.
Running cbc
CBC 2.10.5Completed.
相关文章
|
2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/)
94 0
阿里达摩院MindOpt优化求解器-月刊(2024年3月)
|
2月前
|
供应链 Kubernetes 虚拟化
深入了解MindOpt优化求解器的License服务
在商业和研究领域,高效的数学优化求解器是解决复杂问题的关键工具。MindOpt求解器以其卓越的性能和广泛的应用场景成为众多专业人士的首选。但在享受其强大功能的同时,了解和选择合适的License服务是至关重要的。本篇博客将详细介绍MindOpt优化求解器的Licence服务。
|
2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。
81 0
|
2天前
|
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。
32 0
|
2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。
62 4
|
2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。
|
2月前
|
测试技术 索引
MindOpt APL向量化建模语法的介绍与应用(2)
在数据科学、工程优化和其他科学计算领域中,向量和矩阵的运算是核心组成部分。MAPL作为一种数学规划语言,为这些领域的专业人员提供了强大的工具,通过向量式和矩阵式变量声明以及丰富的内置数学运算支持,大大简化了数学建模和优化问题的处理。在本文中,我们将探索MAPL的这些特性,并且通过示例来展示如何有效使用这些工具。
|
2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)
|
2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。
|
2月前
|
存储 达摩院 调度
「达摩院MindOpt」优化FlowShop流水线作业排班问题
在企业在面临大量多样化的生产任务时,如何合理地安排流水线作业以提高生产效率及确保交货期成为了一个重要的问题。
「达摩院MindOpt」优化FlowShop流水线作业排班问题