求解器用户手册

命令行调用示例：

linux以及osx下，假设用户已按照安装文档，将mindopt安装到$HOME/mindopt下

mindopt $HOME/mindopt/0.15.1/examples/data/afiro.mps

windows下

mindopt %MINDOPT_HOME%\examples/data/afiro.mps

C语言调用示例：

    MdoMdlPtr model;
    Mdo_createMdl(&model);
    Mdo_readProb(model, filename);
    Mdo_solveProb(model);
    Mdo_displayResults(model);
    Mdo_freeMdl(&model);

完整例子的代码请查看完整版用户文档。

C++调用示例：

    MdoModel model;
    model.readProb(filename);
    model.solveProb();
    model.displayResults();

完整例子的代码请查看完整版用户文档。

Python调用示例：

    model = mindoptpy.MdoModel()
    model.read_prob(filename)
    model.solve_prob()
    model.display_results()

完整例子的代码请查看完整版用户文档。

Java调用示例

    // load动态链接库，比如c:\mindopt\0.15.1\win64_x86\lib\mindopt_0_15_1.dll
    Mdo.load("c:\mindopt\0.15.1\win64_x86\lib\mindopt_0_15_1.dll");
    MdoModel model = new MdoModel();
    model.readProb(filename)
    model.solveProb();
    model.displayResult();

完整的例子请查看完整版用户文档。

方式1：文件输入

支持 MPS 格式 和 LP 格式，如 .mps 和 .lp ，以及对应文件的压缩文件如： .mps.gz 和 .mps.bz2 。

更详细的介绍请查看完整版用户文档。

方式2：建模APIs输入

相关联的APIs有多种，同一个数据也可以有多种输入方式。

• 按行输入Python示例简述：

  • 用 mindoptpy.MdoModel.set_int_attr() 将目标函数设置为最小化；

  • 用 mindoptpy.MdoModel.add_var() 来添加四个优化变量，并分别定义其下界、上界、名称和类型；

  • 用 mindoptpy.MdoModel.add_cons() 来添加约束。

• 按列输入Python示例简述：

  • 用 mindoptpy.MdoModel.set_int_attr() 将目标函数设置为最小化；

  • 开始时调用 mindoptpy.MdoModel.add_cons() 来创建带有指定的左侧和右侧值的约束（无非零元素）；

  • 创建临时的列对象 mindoptpy.MdoCol() 来按顺序地保存约束和非零元素的值；

  • 最后调用 mindoptpy.MdoModel.add_var() 来创建新的变量，及其相应的目标函数系数、列向量中的非零元、下界和上界、变量名以及变量类型。

更详细的介绍请查看完整版用户文档。

方式3：外部建模工具 AMPL、Pyomo、PuLP

MindOpt支持一些常见的建模工具，当前支持以下几种：

1. AMPL

使用 AMPL 调用 MindOpt 之前需要先安装 MindOpt 和 AMPL 。mindoptampl 应用位于安装包的\bin\mindoptampl。mindoptampl 提供了一些可配置的参数，用户可以通过 AMPL 的option命令设置 mindoptampl_options 参数，如：

ampl: option mindoptampl_options 'numthreads=4 maxtime=1e+4';

更详细的介绍和案例请查看完整版用户文档。

2. Pyomo

使用 Pyomo 调用 MindOpt 之前需要先安装 MindOpt 和 Pyomo。调用 MindOpt 求解器的 Pyomo API 需要使用接口文件 mindopt_pyomo.py。 MindOpt 的 Pyomo 接口是继承自 Pyomo 的 DirectSolver 类，实现代码在安装包的\lib\pyomo\mindopt_pyomo.py。在 Python 代码中导入该文件:

from mindopt_pyomo import MindoDirect

3. PuLP

使用 PuLP 调用 MindOpt 之前需要先安装 MindOpt 和 PuLP。调用 MindOpt 求解器的 PuLP API 需要使用接口文件 mindopt_pulp.py。 MindOpt 的 PuLP 接口继承自 PuLP 的 LpSolver 类，实现代码在安装包的\lib\pulp\mindopt_pulp.py。在 Python 代码中导入该文件:

from mindopt_pulp import MINDOPT

建模与优化的完整版用户文档目录

完整的说明请查阅完整版用户文档，目录如下：

• 线性规划建模

• 基于 C 语言的建模和优化

• 基于 C++ 的建模和优化

• 基于 Python 的建模与优化

• 基于 AMPL 的建模与优化

• 基于 Pyomo 的建模与优化

• 基于 PuLP 的建模与优化

MindOpt的执行流程如下示意：

求解时不同算法的特点

当前我们提供了Simplex（单纯形法）、IPM（Interior Point Method，内点法）、Concurrent（并发优化）算法。在求解时候，执行流程如上文的图片所示，会默认选Concurrent，您可以通过设置“Method”参数来选择算法。

这3种算法的区别如下：