首页 >优化求解器 >用户手册 >求解器用户手册

求解器用户手册

优化求解器的用户手册，介绍求解器的调用方式、如何输入问题和求解器的APIs清单。

说明

由于本软件APIs比较多，且还在高频增加功能中，因此APIs的介绍会较多地引导至另一个《MindOpt用户使用手册——完整版》上查看细节。给您带来的不连贯阅读体验敬请谅解。

优化求解器调用方式

在使用之前，请先下载和安装求解器SDK，并获取使用权限，见快速入门（开通和使用）和求解器SDK下载和安装。

下面列出简单的示例，求解器细节的调用方式和完整案例可查看更多。

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/0.19.0/examples/data/afiro.mps

windows下

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

C/C++/Java/Python语言调用示例：

// 方法1：从0.19.0版本开始引入新式的创建模型方式
MdoEnvPtr env;
MdoMdlPtr model;
Mdo_createEnv(&env);
Mdo_createMdlWithEnv(&model, env);
Mdo_readProb(model, filename);
Mdo_solveProb(model);
Mdo_displayResults(model);
Mdo_freeMdl(&model);
// C SDK 需要手动释放 env
Mdo_freeEnv(&env);

// 方法2：旧式的创建模型方式仍然支持
/*
MdoMdlPtr model;
Mdo_createMdl(&model);
Mdo_readProb(model, filename);
Mdo_solveProb(model);
Mdo_displayResults(model);
Mdo_freeMdl(&model);
*/
// 方法1：从0.19.0版本开始引入新式的创建模型方式
using mindopt::MdoEnv;
MdoEnv env;
MdoModel model(env);
model.readProb(filename);
model.solveProb();
model.displayResults();

// 方法2：旧式的创建模型方式仍然支持
/*
MdoModel model;
model.readProb(filename);
model.solveProb();
model.displayResults();
*/
// load动态链接库，比如c:\mindopt\0.19.0\win64_x86\lib\mindopt_0_19_0.dll
Mdo.load("c:\mindopt\0.19.0\win64_x86\lib\mindopt_0_19_0.dll");

// 方法1：从0.19.0版本开始引入新式的创建模型方式
MdoEnv env = new MdoEnv();
MdoModel model = env.createModel();
model.readProb(filename)
model.solveProb();
model.displayResult();
model.free();
// JAVA SDK 需要手动释放 env
env.free();

// 方法2：旧式的创建模型方式仍然支持，但被标记为过时，将在以后的版本中移除
/*
MdoModel model = new MdoModel();
model.readProb(filename)
model.solveProb();
model.displayResult();
*/
# 方法1：从0.19.0版本开始引入新式的创建模型方式
env = mindoptpy.MdoEnv()
model = mindoptpy.MdoModel(env)
model.read_prob(filename)
model.solve_prob()
model.display_results()

# 方法2：旧式的创建模型方式仍然支持
# model = mindoptpy.MdoModel()
# model.read_prob(filename)
# model.solve_prob()
# model.display_results()

完整例子的代码请查看更多。

优化问题的输入的建模方式

优化问题支持3种输入方式：文件输入、数据建模APIs输入、外部建模工具调用。

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更多。

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更多。其中，模型的属性描述列表见更多。

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更多。

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
更详细的介绍和案例请查看更多。

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\p