idol
v0.8.0-alpha
Idolは、数学的最適化と複雑な意思決定のためのC ++ライブラリです。
ますます挑戦的な問題を解決するために、新しいアルゴリズムを簡単に作成できるように設計されています。これは、混合整数線形プログラミング（MILP）、二次制限された問題（MIQCQPおよびMIQP）、バイレベルの問題（BO）、堅牢な最適化問題（ROおよびARO）など、幅広い最適化問題を解決するために使用できる汎用性が高く強力なツールです。
オンラインドキュメントをご覧ください。
あなたがあなたの研究プロジェクトのいずれかでアイドルを選んでいて、いくつかの問題が発生している場合は、lefebvre（at）uni-trier.deまでお問い合わせください。
アイドルを使用してブランチアンドプライスアルゴリズムを実装するのがどれほど簡単かを見てください。
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();ここで、アイドルは外部ソルバーコインまたは/MIBSを使用して、整数低レベルのバイレベル最適化問題を解決します。
/*
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;アイドルは、アルゴリズムの進行を監視するためにルートとインターフェースすることもできます。たとえば、以下は、BilevelインスタンスのMIBSの監視のスクリーンショットです。
アイドルは、いくつかのオープンソースまたは商業ソルバーの統一インターフェイスとして使用できます
これは、Dolan、E.、Moré、J。パフォーマンスプロファイルを備えたベンチマーク最適化ソフトウェアに従って計算されたパフォーマンスプロファイルです。数学。プログラム。 91、201–213（2002） https://doi.org/10.1007/S101070100263。
バージョンは、セマンティックバージョン2.0.0に準拠しています。
