idol
v0.8.0-alpha
Idol هي مكتبة C ++ للتحسين الرياضي وصنع القرار المعقد.
إنه مصمم لمساعدتك على بناء خوارزميات جديدة بسهولة لحل المزيد من المشكلات الأكثر تحديا. إنها أداة متعددة الاستخدامات وقوية يمكن استخدامها لحل مجموعة واسعة من مشاكل التحسين ، بما في ذلك البرمجة الخطية المختلطة (MILP) ، والمشاكل المقيدة من الناحية الترابطية (MIQCQP و MIQP) ، ومشاكل الفلز (BO) ، ومشاكل التحسين القوية (RO و ARO) وغيرها الكثير.
قم بزيارة وثائقنا عبر الإنترنت.
إذا كنت تختار Idol في أحد مشروعك البحثي وتواجه بعض المشكلات ، فيرجى الاتصال بنا على Lefebvre (AT) Uni-Trier.de.
انظر إلى مدى سهولة تنفيذ خوارزمية الفرع والأسعار باستخدام المعبود.
const auto [model, decomposition] = create_model(); // Creates the model with an annotation for automatic decomposition
const auto sub_problem_specifications =
DantzigWolfe::SubProblem ()
.add_optimizer(Gurobi()); // Each sub-problem will be solved by Gurobi
const auto column_generation =
DantzigWolfeDecomposition (decomposition)
.with_master_optimizer(Gurobi::ContinuousRelaxation()) // The master problem will be solved by Gurobi
.with_default_sub_problem_spec(sub_problem_specifications);
const auto branch_and_bound =
BranchAndBound ()
.with_node_selection_rule(BestBound()) // Nodes will be selected by the "best-bound" rule
.with_branching_rule(MostInfeasible()) // Variables will be selected by the "most-fractional" rule
.with_log_level(Info, Blue);
const auto branch_and_price = branch_and_bound + column_generation; // Embed the column generation in the Branch-and-Bound algorithm
model.use(branch_and_price);
model.optimize();هنا ، يستخدم Idol عملة حلال أو MIBs الخارجية لحل مشكلة التحسين في Bilevel مع مستوى أدنى عدد صحيح.
/*
This example is taken from "The Mixed Integer Linear Bilevel Programming Problem" (Moore and Bard, 1990).
min -1 x + -10 y
s.t.
y in argmin { y :
-25 x + 20 y <= 30,
1 x + 2 y <= 10,
2 x + -1 y <= 15,
2 x + 10 y >= 15,
y >= 0 and integer.
}
x >= 0 and integer.
*/
Env env;
// Define High Point Relaxation
Model high_point_relaxation (env);
auto x = high_point_relaxation.add_var( 0 , Inf, Integer, " x " );
auto y = high_point_relaxation.add_var( 0 , Inf, Integer, " y " );
high_point_relaxation.set_obj_expr(-x - 10 * y);
auto follower_c1 = high_point_relaxation.add_ctr(- 25 * x + 20 * y <= 30 );
auto follower_c2 = high_point_relaxation.add_ctr(x + 2 * y <= 10 );
auto follower_c3 = high_point_relaxation.add_ctr( 2 * x - y <= 15 );
auto follower_c4 = high_point_relaxation.add_ctr( 2 * x + 10 * y >= 15 );
// Prepare bilevel description
Bilevel::LowerLevelDescription description (env);
description.set_follower_obj_expr(y);
description.set_follower_var(y);
description.set_follower_ctr(follower_c1);
description.set_follower_ctr(follower_c2);
description.set_follower_ctr(follower_c3);
description.set_follower_ctr(follower_c4);
// Use coin-or/MibS as external solver
high_point_relaxation.use(Bilevel::MibS(description));
// Optimize and print solution
high_point_relaxation.optimize();
std::cout << high_point_relaxation.get_status() << std::endl;
std::cout << high_point_relaxation.get_reason() << std::endl;
std::cout << save_primal(high_point_relaxation) << std::endl;يمكن أيضًا ربط المعبود مع الجذر لمراقبة تقدم الخوارزمية الخاصة بك. على سبيل المثال ، فيما يلي لقطة شاشة لرصد MIBs لمثيل ثقل.
يمكن استخدام المعبود كواجهة موحدة لعدة حلول مفتوحة أو تجارية مثل
هذا ملف تعريف للأداء محسوب وفقًا لبرنامج Dolan ، E. ، Moré ، J. Benchmarking Optimization مع ملفات تعريف الأداء. الرياضيات. برنامج. 91 ، 201–213 (2002) https://doi.org/10.1007/s101070100263.
الإصدار متوافق مع SemanticeNSENGNING 2.0.0.
