modeling - 用于LP/MILP建模的最佳建模语言？ (不是求解器)

Question

我拥有Gurobi许可证，并且使用了良好的MILP/LP建模语言，应该是

免费/开源

直观，即看起来像的东西(取自MiniZinc)

var int:x;
约束x> = 0.5;
解决最小化x;

快速:建立模型并将其发送到Gurobi的时间应与最佳模型(AMPL GAMS等)的顺序相似。

灵活/强大(能够处理3D +数组，轻松激活/停用约束，为求解器提供初始解决方案等)

当然，如果我错了，请纠正我，AMPL GAMS在1)失败，Python和R在2)(也许在3)失败？)。

GLPK，Minizinc，ZIMPL等如何？他们满足1)和2)，但是3)和4)呢？在这方面，它们是否与AMPL一样好？如果不是，是否存在满足1-4的建模语言？

Answer 1

我已经将AMPL与Gurobi一起用于中型MIP(〜100k-1m变量？)和MiniZinc(主要与Gecode结合使用)来解决较小的组合问题。我已经看到了一些用R和Python完成的Gurobi工作，但是我自己还没有那样使用它。

我不太熟悉其他选项。我的理解是GAMS与AMPL非常相似，我不得不说的关于AMPL的很多内容对于GAMS也可能是有效的，但是我不能保证。

Of course, and correct me if I'm wrong, AMPL GAMS fail at 1),

是的，一般。有一个异常(exception)可能对您的特定要求没有帮助，但对其他人可能有用:您可以通过使用NEOS web service来免费使用AMPL，Gurobi和许多其他优化产品。这仅限于academic non-commercial purposes，您必须授予NEOS某些与发送它们有关的问题的权限；在使用前，请务必阅读这些服务条款。它还需要等待可用的服务器，因此，如果优先考虑提高速度，那么这可能不是您的解决方案。

Python and R fail at 2) (and perhaps at 3)?).

以我的有限经验，是(2)。 AMPL，GAMS和MiniZinc专为定义优化问题而设计，因此毫不奇怪的是，它们的语法比Python和R等语言对用户更友好。

不利的一面是，除了定义这些语言的优化问题外，您还想做其他事情，Python/R/etc。为此可能会更好。

关于速度:对于我通常处理的问题，AMPL可能需要花费几秒钟来构建和解决MIP模型，这需要Gurobi花费几分钟才能解决。显然，这将因硬件和问题的具体情况而有所不同，但总的来说，与解决所讨论的任何解决方案的时间相比，我希望构建时间会短一些。即使有了像Gurobi这样的优秀求解器，大型MIP也很难。我遇到的许多认真的优化程序员都使用Python，因此我认为性能方面足够好。

但是，这并不意味着语言/平台的选择与速度无关。预解决是AMPL(以及GAMS)的一项不错的功能，它试图在将问题发送到求解器之前减小问题的大小。我的标准问题有很多多余的变量和约束。 AMPL可以识别并消除其中的许多问题，从而将问题大小减小了约80％，并显着缩短了求解器时间(与我关闭presolve的运行(有时出于调试相关原因而运行)相比)。如果您期望大量的冗余，这可能是一个考虑因素。

flexible/powerful (ability to deal with 3D+ arrays, activate/deactivate constraints easily, provide initial solutions to the solver, etc.)

MiniZinc最多可以处理6D阵列，这可能取决于您的应用程序，也可能不够。

在某些领域，它比AMPL更灵活，而在另一些领域则不那么灵活。 AMPL具有许多我认为有用的基于集合的功能(例如，我可以定义一个变量，其索引集类似于“成对的不相同的城市之间相隔不超过500公里”)，而MiniZinc则没有此功能。 OTOH，MiniZinc在求解器跳跃方面似乎比AMPL更好，例如如果我编写具有组合约束(例如“alldifferent”)的MZ模型，然后尝试在无法识别此类约束的求解器上运行它，则MZ会将其转换为求解器可以处理的内容。

除了注释掉它们之外，我没有尝试停用MZ中的约束，所以我在这里无济于事，类似地，它提供了初始解决方案。

总体而言，MiniZinc是一个不错的选择。相对于AMPL有一些优缺点(“免费”是一大优点!)，但它填补了类似的空白。