Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Что такое MathOpt
MathOpt — это библиотека для моделирования и решения задач математической оптимизации, например, задач линейного программирования (LP) или задач смешанного целочисленного программирования (MIP). MathOpt отделяет моделирование от решения, позволяя пользователям переключаться между методами решения, изменяя перечисление (и зависимость сборки) для выбора решателя.
Посмотрите это видео , чтобы получить краткое представление о MathOpt из презентации конференции JuMP 2023 года.
Возможности MathOpt
Модели MathOpt могут содержать:
целые или непрерывные переменные
линейные или квадратичные ограничения
линейные или квадратичные цели
несколько иерархических целей
специализированные ограничения MIP (SOS, индикатор и многое другое)
некоторые конические ограничения (конус второго порядка, еще больше)
Модели определяются независимо от решателя, и решатели можно взаимозаменяемо менять. MathOpt поддерживает следующие решатели:
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],["Последнее обновление: 2024-08-09 UTC."],[],["MathOpt is a library for modeling and solving mathematical optimization problems, such as LPs and MIPs. It supports continuous or integer variables, linear/quadratic constraints and objectives, and specialized MIP/conic constraints. Users can switch between solvers like GLOP, PDLP, CP-SAT, SCIP, GLPK, Gurobi, and HiGHS, independently of the model's definition. MathOpt offers C++ and Python client libraries with example, and provides features such as infeasibility analysis, incremental solving, callbacks, duality, and warm starts.\n"]]