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。
132 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。
140 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 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
|
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
|
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。
37 1
|
5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
|
5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。
|
7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