混合整數(shù)分布式蟻群優(yōu)化算法-MIDACO數(shù)學求解器/優(yōu)化器

MIDACO是數(shù)值優(yōu)化問題的商業(yè)求解器。MIDACO可以應用于連續(xù)（NLP非線性規(guī)劃）、離散/整數(shù)（IP整數(shù)規(guī)劃）和混合整數(shù)非線性規(guī)劃（MINLP）問題。MIDACO可用于單目標和多目標優(yōu)化問題，問題進一步受限于等式和/或不等式約束。MIDACO實現(xiàn)了一種無導數(shù)的進化混合算法，該算法將問題視為黑盒，黑盒可能包含關鍵函數(shù)特性，如非凸性、非連續(xù)性或隨機噪聲。對于CPU時間昂貴的應用程序，MIDACO提供了一種高效的并行化策略。該數(shù)學優(yōu)化器軟件可用于多種編程語言，包括而不限于Excel界面、VBA、Java、C#、MATLAB、Octave、Python、R、Julia、C/C++和FORTRAN。

MIDACO是用于解決單目標和多目標優(yōu)化問題的高性能數(shù)值分析和求解軟件。該軟件最初是針對歐洲航天局、Astrium（空客集團）的空間站應用的挑戰(zhàn)性問題而研發(fā)的，后來被擴展并構建為通用型數(shù)學解算器，以適應更為廣泛的優(yōu)化問題。MIDACO處理目標函數(shù)f(x)依賴于變量x是連續(xù)、整數(shù)或兩種類型（混合整數(shù)情況）的問題，該問題可能進一步受限于等式和/或不等式約束g(x)。簡單來說，優(yōu)化問題就是在給定的一個輸入和輸出關系的函數(shù)f，優(yōu)化處理生成可行的替代方案集，和從中選擇最佳解決方案的過程。通過系統(tǒng)地在一個允許集上選擇輸入值，計算輸出值，記錄過程中發(fā)現(xiàn)的最好輸出值，運用MIDACO（混合整數(shù)分布式蟻群優(yōu)化算法）的智能搜索方法找到下一個最好值的方向，不斷迭代直至發(fā)現(xiàn)最好的一個或多個方案。許多實際問題都可以用這種方法建模，例如設計一個電機產(chǎn)品，輸入可以是電機的多個設計參數(shù)，輸出是它的功耗；或者輸入可以是某種業(yè)務的選擇，輸出是每種選項可以獲得的利潤等等。以下為MIDACO數(shù)學求解器所考慮的優(yōu)化問題的簡圖：

優(yōu)化問題

作為黑盒(black-box)優(yōu)化器，MIDACO不要求目標f（x）和約束g（x）函數(shù)以明確的數(shù)學形式給出。對于給定的決策變量x的輸入，MIDACO只需目標和約束的返回值。這些目標值和約束值的計算方式完全獨立于MIDACO，因此被認為是在后臺進行的。這樣的黑盒概念為用戶提供了表達和制定應用的最大自由度。特別地，MIDACO能夠解決具有高度非線性、非光滑、非凸和不可微問題的函數(shù)。此外，MIDACO可以穩(wěn)健地解決具有中等水平隨機噪聲的問題。

MIDACO for Text - I/O (BlackBox黑盒優(yōu)化)

MIDACO核心算法

MIDACO基于一種稱為蟻群優(yōu)化（ACO）的進化算法。特別是MIDACO實現(xiàn)了一個擴展到混合整數(shù)搜索域的連續(xù)蟻群算法。下圖說明了這種混合整數(shù)擴展蟻群算法如何使用多核概率密度函數(shù)（PDF）對連續(xù)情況（左）和整數(shù)情況（右）的決策變量搜索空間進行采樣。

Mixed Integer Distributed Ant Colony Optimization algorithm

在MIDACO數(shù)學求解優(yōu)化器中，通過“Oracle懲罰方法”處理約束，“Oracle懲罰方法”是進化算法獲得全局最優(yōu)解的一種先進的自適應方法。像所有的進化算法(evolutionary algorithms)一樣，MIDACO并不能保證獲得全局最優(yōu)解，但在數(shù)百個基準上進行的大量數(shù)值試驗證明它能夠快速而穩(wěn)健地獲得絕大多數(shù)問題的全局最優(yōu)解。特別是在文獻[A Numerical Study of MIDACO on 100 MINLP Benchmarks]中，我們還證明了MIDACO在全局最優(yōu)性能和運行時性能方面優(yōu)于已建立的經(jīng)典MINLP算法（如分支界定法）。MIDACO背后的驅動是為大眾提供一個健壯的優(yōu)化算法，并可以在合理時間段內(nèi)優(yōu)化復雜的實際應用程序，從而得到一個合理的、更好的解決方案。為了提高其整體性能MIDACO算法進一步實現(xiàn)了多種啟發(fā)式算法和其他算法,包括基于偽梯度回溯線搜索技術，以實現(xiàn)快速的局部收斂。MIDACO被歸類為一種進化混合算法。

MIDACO軟件開發(fā)歷史

MIDACO數(shù)值求解器是日本Hokkaido University（北海道大學）在Schlueter博士的研發(fā)團隊下經(jīng)過10多年的開發(fā)和改進，成功發(fā)布的商業(yè)化數(shù)學求解器，它代表了“進化計算”這一領域最領先水平，解決MINLP、約束和大規(guī)模優(yōu)化問題，線性或非線性問題。該軟件旨在獨立使用以及集成（嵌入）MIDACO到外部算法和軟件中。MIDACO的目標是將最高的數(shù)值效率與易于使用的界面結合起來。她是一種完全自給自足的超輕量的ANSI-C或Fortran源代碼，可移植，可在所有平臺（Win/Mac/Linux）上編譯/運行，包括web服務器和微處理器。它提供了到多種流行語言（如Excel、VBA、C#、Java、R、Matlab、Python和Julia）的現(xiàn)成運行接口。MIDACO軟件已經(jīng)成功地進行了實際問題壓力測試，非線性模型可以擴展到100000變量、數(shù)千個約束和數(shù)百個目標的優(yōu)化問題(乃至更多)。

MIDACO軟件的一個特殊特性是它的“并行化”計算選項，可并行地評估多個候選解決方案。并行化可以顯著加快總體計算時間，以解決CPU時間密集型應用，如數(shù)值模擬。MIDACO并行化方法提供了兩個獨特的優(yōu)點。第一個優(yōu)點是，它不僅限于單一語言和方法，幾乎可以用任何語言和方法來實現(xiàn)。當前的并行化模板包括：OpenMP、MPI、GPGPU、apache spark、Fork/Join、multiprocessing、mpi4py等。第二個優(yōu)點是可以自由選擇并行化因子，獨立于MIDACO內(nèi)部算法組件（如種群大小）或CPU硬件規(guī)格。這使得MIDACO能夠高度適應任何分布式HPC系統(tǒng)(高性能計算系統(tǒng))，并利用大規(guī)模并行化。針對一個CPU計算時間密集型的約束多目標混合整數(shù)問題，典型的用戶案例就是使用APACHE SPARK(pyspark) 在 32 個四核集群（= 128 個核心）上進行并行化因子為 1000 的并行超鎖 MIDACO高速優(yōu)化并取得良好效果。

MIDACO軟件目前在日本和全球范圍內(nèi)有數(shù)百名學術和商業(yè)機構用戶。MIDACO數(shù)學求解器應用范圍廣泛，包括汽車工業(yè)、化工、電信、機器人、土木工程、電氣工程、生物技術、氣候、能源和金融。MIDACO特別用于（航空）航天工程，例如歐洲航天局（ESA）、德國航空航天局（DLR）、日本宇宙航空研究開發(fā)機構（JAXA）、韓國航空航天研究所（KARI）和航空航天相關行業(yè),如Astos Solutions、MT Aerospace、Almatech，PACE航空或日本三菱重工。MIDACO最令人興奮的應用之一是星際空間任務軌跡設計，這里MIDACO擁有多個創(chuàng)紀錄的解決方案。MIDACO的開發(fā)得到了多家機構的贊助，被眾多知名的企業(yè)采用，直接集成到他們自己的業(yè)務系統(tǒng)或產(chǎn)品之中。

請聯(lián)系MIDACO優(yōu)化器國內(nèi)唯一授權代理商無錫迅合信息科技有限公司工作人員獲得試用,非常樂于了解您的數(shù)學模型問題，和對Midaco求解器的反饋與建議。日本原廠網(wǎng)站:https://midaco-solver.com/index.php/component/content/article?id=245 。

MIDACO研發(fā)贊助方

Esa歐洲航天局 Astrium歐洲宇航防務集團子公司

#MIDACO數(shù)學求解器系統(tǒng)集成案例#

☆Ranplan Wireless公司 (優(yōu)化5G無線通訊網(wǎng)絡的部署成本和能力)

☆ELISE GmbH公司(使用MIDACO和仿生輕量化技術優(yōu)化產(chǎn)品設計)

☆eyeV GmbH的Skyle系統(tǒng)(眼睛跟蹤工具，支持身體有缺陷的人行動)

☆Axians(IT系統(tǒng)引入優(yōu)化，提升企業(yè)管理水平)

☆ProSim(超結構設計仿真軟件使用MIDACO優(yōu)化引擎提升仿真優(yōu)化能力)

☆Altair- 牽牛星公司MDS（多尺度設計系統(tǒng)）中的微觀結構優(yōu)化優(yōu)化)

☆Rehberg對生物科技中的細胞培養(yǎng)參數(shù)優(yōu)化應用MIDACO優(yōu)化求解器

☆SigmaXL(在其DiscoverSim組件中引入MIDACO基于excel的優(yōu)化)

☆美國航空網(wǎng)絡應用MIDACO優(yōu)化器對網(wǎng)絡結構脆弱性的多目標攻擊研究

☆TOMLAB(適合Matlab用戶使用的數(shù)學優(yōu)化組件，使用MIDACO引擎)

☆ASTOS Solutions GmbH公司 (航天/空間站相關計算軟件ASTOS嵌入)

☆PACE(將MIDACO求解技術嵌入PACELAB 飛行器性能分析軟件)

【無錫迅合信息科技有限公司MIDACO中國區(qū)授權合作伙伴宣2021-2025】
關鍵詞<meta name>:MIDACO代理,數(shù)學優(yōu)化咨詢公司,商業(yè)決策優(yōu)化器,MIDACO數(shù)學求解器,MIDACO中國代理,數(shù)學規(guī)劃求解器,混合優(yōu)化,多目標優(yōu)化算法,非線性優(yōu)化,非凸優(yōu)化,NLP非線性規(guī)劃,Xpress優(yōu)化器,ilog cplex優(yōu)化器,收益管理,庫存優(yōu)化,智能倉儲,智能配貨,運輸優(yōu)化,生產(chǎn)排程優(yōu)化,智慧選址,non-convex optimization,混合整數(shù)分布式蟻群算法,蟻群算法,ant colony,aco優(yōu)化算法,MindOpt阿里達摩,杉樹科技,飛行器性能優(yōu)化,空間站軌跡優(yōu)化,機器學習,深度學習,MDS微觀結構優(yōu)化,仿生輕量化優(yōu)化設計,混合整數(shù)規(guī)劃, ,MINLP,MIQP,MICP,約束規(guī)劃,Oracle懲罰方法,COPT,GUROBI優(yōu)化器,mosek優(yōu)化器, 算法優(yōu)化。

【返回】【打印】

99热热久久这里只有精品8|乱色精品无码一区二区国产|亚洲欧美一区二区三区日韩|国产精品嫩草在线观看