【Gurobi
10.0发布,创造卓越ROI的综合优化平台】
无论在经济蓬勃发展、还是低迷不振的时代,推动运筹学优化软件在实际应用落地的最重要原因,都是运筹学工具创造了良好的投资回报率(ROI),为企业创造了实实在在的效益。这一点在最近Forrester
Consulting公司发布的行业调查报告中进一步得到证实,Gurobi
软件的三年投资回报率达到了518%。作为在商业求解器领域拥有全球最大开发和工程化团队的公司,Gurobi持续不断提升优化速度、扩展软件功能,让用户使用得更舒心、放心和安心。
Gurobi
10.0新版本如期在11月发布,在打造最具投资回报率的综合优化平台道路上更进一步。
(一)性能提升
Gurobi
10.0在连续问题、整数问题、线性和二次凸问题、二次非凸问题、广义非线性问题等已有领域继续不断提升,以下是平均提升比例。
Gurobi 10.0
比
9.5
的速度提升比例 |
类型 |
整体提升 |
大于100秒的复杂问题提升 |
LP并发算法 |
10% |
25% |
线性混合整数 |
13% |
24% |
二次凸目标混合整数 |
57% |
2.4倍 |
二次凸约束混合整数 |
28% |
88% |
非凸二次混合整数 |
51% |
2.6倍 |
(二)机器学习和运筹优化融合,走向实质性落地
Gurobi 10.0
将是第一个允许将用户的机器学习模型嵌入到数学规划模型中的商业求解器。Gurobi
将在
Github
上建立开源平台,提供将多种主流机器学习软件包训练过的模型嵌入到Gurobi
数学模型中的方法,并且随着用户的反馈,不断进行扩展。链接地址
https://github.com/Gurobi/gurobi-machinelearning/blob/main/README.md
(三)求解功能的提升
(1)全面完善Python
矩阵操作接口。在版本10.0中,用户可以定义和使用任何维度的矩阵变量、矩阵表达式、矩阵约束等,支持矩阵变量和常规变量混合操作,快速建立基于矩阵操作的数学模型。
(2)增加了网络单纯形算法(Network
Simplex Algorithm),让求解网络规划问题时充分利用网络结构,让求解速度更快。
(3)重新组织了并发LP算法(Concurrent
LP Algorithm),更好地利用先进多核的计算机架构和更好地进行内存管理。
(4)增加了基于优化的边界紧缩算法(OBBT,Optimization
Based Bound Tightening),显著提升了非线性模型,特别是神经网络模型的求解速度。
(5)完善了QUBO启发式算法,对于
MIQP/MIQCP 有很好的加速作用。
(6)新增逻辑函数广义约束,可以应用在化工、制药、机器学习、统计等领域。
(四)系统架构的提升
(1)Gurobi
10.0
继续强化企业优化资源管理综合平台的角色。运算服务器许可新增了很多仪表盘功能,让任务进展、资源利用、用户使用情况实时记录、图表显示、一目了然。
(2)新增网络许可服务功能,支持管理全球更广泛的容器运行环境,同时也支持常规物理机和虚拟机。
(五)其他效率工具
(1)Gurobi
Python 接口更方便容易地利用
Pandas
结构直接创造变量和约束。后续将会开源发布在
Github
上。
(2)允许
.NET
用户直接从
NuGet Server
下载
Gurobi
软件包
(3)新增加了SoftMemLimit
参数,允许用户达到一定内存限度后优雅退出。
(4)还有其他更多功能,可以参考官网介绍 www.gurobi.com
(六)如何升级
升级Gurobi
到新版本是很简单的事情。用户可以去www.gurobi.com
英文网站或者Gurobi
QQ 群251135672,705288945,681080916的群文件中下载和安装最新的版本。对于学术许可,在保持激活的机器和用户名不变的情况下,重新联网运行之前获得的相同激活码,产生新的许可文件,替换掉之前的许可文件,就可以正常使用。对于商业用户,我们会逐个联系,安排合适的升级时间。如果使用中遇到任何问题,可以发邮件到
help@gurobi.cn中文邮箱。对于使用
Python 语言的用户,我们提供了《如何在
Python 环境中安装
Gurobi 10.0 版本》的文档,可以从
www.gurobi.cn
中文网站上下载。
|