Der MathOpt-Dienst
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
MathOpt ist eine API zum Modellieren und Lösen von Optimierungsproblemen aus C++ und Python. Der MathOpt-Dienst besteht aus einer Reihe von experimentellen Methoden in der OR API, mit denen Sie mathematische Optimierungsprobleme remote mithilfe des Endpunkts lösen können:
https://optimization.googleapis.com/v1/mathopt:solveMathOptModel
MathOpt-Funktionen
MathOpt-Modelle können Folgendes enthalten:
- Ganzzahl- oder kontinuierliche Variablen
- Lineare oder quadratische Einschränkungen
- Lineare oder quadratische Ziele
Modelle werden unabhängig von Lösern definiert und Löser können austauschbar ausgetauscht werden. Die folgenden Solver werden in SolveMathOptModel unterstützt:
Der Dienst „MathOpt“ unterstützt beim Lösen eines Modells die meisten Funktionen von MathOpt, darunter:
- Dualität
- Primalstrahlen und Dualstrahlen
- Suboptimale primäre und doppelte Lösungen
- Warmstarts (nach Lösung oder Basis)
- Detaillierter Grund für die Kündigung
- Verzweigungspriorität
- Viele Solver-unabhängige Parameter
Callbacks, Inkrementalität und Unterbrechungen werden noch nicht unterstützt. Der MathOpt-Dienst wird diese Funktionen künftig durch ein umfangreicheres Kommunikationsprotokoll unterstützen.
Einrichtung und Installation
Wenn Sie die Funktionen für die Remote-Lösung von MathOpt verwenden möchten, benötigen Sie einen API-Schlüssel, der mit dem Einrichtungsleitfaden abgerufen werden kann. MathOpt bietet Clientbibliotheken in C++ und Python, die seit Version 9.9 als Teil von OR-Tools verfügbar sind.
Bei Fragen zum MathOpt-Dienst können Sie sich an or-mathopt-service+support@google.com wenden.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2024-08-09 (UTC).
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2024-08-09 (UTC)."],[[["MathOpt is an API that allows you to model and solve optimization problems using C++ and Python, with the MathOpt service enabling remote problem-solving via a dedicated endpoint."],["MathOpt supports a variety of model components, including integer/continuous variables, linear/quadratic constraints, and linear/quadratic objectives, and offers flexibility in solver selection with options like GLOP, PDLP, CP-SAT, SCIP, GLPK, OSQP, and HiGHS."],["The MathOpt service provides access to features such as duality, primal and dual rays, suboptimal solutions, warm starts, detailed termination reasons, and branching priority, while callbacks, incrementalism, and interruption are planned for future updates."],["To utilize the MathOpt service's remote solving capabilities, you will need an API key and the OR-Tools client libraries (available since release 9.9) for C++ and Python."]]],["MathOpt API allows modeling and remotely solving optimization problems via the `https://optimization.googleapis.com/v1/mathopt:solveMathOptModel` endpoint, supporting integer/continuous variables, linear/quadratic constraints, and objectives. Models are solver-independent, with supported solvers including GLOP, PDLP, CP-SAT, SCIP, GLPK, OSQP, and HiGHS. Features like duality, warm starts, and detailed termination reasons are available. Access requires an API key, and client libraries are in OR-Tools release 9.9. Future features will include callbacks, incrementalism, and interruption.\n"]]
