• <nav id="ysqa4"><code id="ysqa4"></code></nav>
  • <xmp id="ysqa4"><nav id="ysqa4"></nav>
    <menu id="ysqa4"><sup id="ysqa4"></sup></menu>
  • <nav id="ysqa4"><strong id="ysqa4"></strong></nav>
    <xmp id="ysqa4">
    <menu id="ysqa4"><menu id="ysqa4"></menu></menu>
    地址:無錫市梁溪區廣南路313號哥倫布廣場二期2518室,江蘇
    手機號:13771508461 周經理
    聯系時間:  9:00-17:30
    業務咨詢QQ群:1158113421
    QQ群(Simio2群):745823143
    QQ群(Simio1群):93832458
    QQ群(Simul8群):207585872
    QQ群(Hexaly群):313453707
    咨詢信箱1:xunhetech@163.com
    咨詢郵箱2:info@xunhetech.com
    產品網站: www.simul8-china.com
    產品網站: www.simio-china.com

       
    首頁 > 新聞中心新聞中心
    數學求解性能大提升,12.0版本LocalSolver 正式發布!
    〖 2023-08-30 | 點擊 559 〗
    LocalSolver性能大提升,12.0發布!

    車輛路由問題
    1分鐘的運行時間內,1,000次交貨的車輛路徑優化問題得到了近乎最優的解決。下面提到的“差距”是LocalSolver 12.0在標準服務器(Intel Xeon E3-1230處理器,4核,3.6 GHz, 8MB緩存,32GB RAM)上運行1分鐘內計算出的解決方案與研究文獻中使用專用算法計算出的最知名的解決方案之間的相對差距,已知的那些專用算法需要在更強大的硬件上運行好幾天。
     
    • 帶時間窗的車輛路徑問題(CVRPTW):在交付1,000次以上的情況下,平均差距為2.3%。
    • 有時間窗口的取件和發貨問題(PDPTW): 對于1,000次交付的情況,平均差距為1.7%。

    此外,LocalSolver 12.0在解決現實生活中的路線優化問題方面帶來了顯著的性能改進,這些問題涉及預分配、同一輛卡車交付的客戶互斥、地點的限制條件、前后優先級、轉運、分割交付以及與資源使用成本相關的目標(例如:駕駛時間或工作時間等等)。
     
    生產計劃調度
    LocalSolver 12.0引入了區間決策和相關操作符:start, end, length, contains。區間的引入簡化了排產調度問題的建模,因為它們可以用來表示任務的時間跨度。由于區間變量的存在,許多問題可以用一種更簡潔、直接和自然的方式建模,例如:
    • 作業車間問題(JSP)
    • 帶有工作強度的作業車間問題
    • 靈活作業車間(FJSP)
    • 帶準備時間的靈活作業車間問題
    • 開放車間調度問題OSSP
    • 資源受限的項目調度問題(RCPSP)
    • 靈活的資源約束項目調度問題(Flexible RCPSP)

    區間變量的使用示例如下:
        // Interval decisions: time range of each task
        tasks[i in 0...nbTasks] <- interval(0, horizon);
     
        // Task duration constraints
        for [i in 0...nbTasks]
            constraint length(tasks[i]) == duration[i];
     
        // Precedence constraints between the tasks
        for[i in 0...nbTasks][s in 0...nbSuccessors[i]] {
            constraint tasks[i] < tasks[successors[i][s]];
        }
         makespan <- max[i in 0...nbTasks] (end(tasks[i]));
         minimize makespan;
     
    LocalSolver 12.0改進了對具有不同目標的多個調度問題的計算下界。下表結果顯示了LocalSolver對各種問題在1分鐘運行時間內報告的相對于市場上最佳已知解決方案的平均對偶差距(Dual Gap)。
    問題
    # 任務數
    目標
    對偶差距
    作業車間問題
    2,000
    生產周期
    4.0%
    靈活作業車間問題
    4,000
    生產周期
    6.0%
    資源受限的項目調度問題 
    300
    生產周期
    4.3%
    開放車間調度問題
    400
    完成時間加權和
    4.0%
     
    設施位置規劃問題
    單源容量約束的設施位置問題:在擁有多達1,500個客戶的網絡上,在1分鐘內對最知名解決方案的平均差距為3.8% (知名解決方案需要在更強大的服務器上運行數天)。這個基準來自P. Avella和M. Boccia(2009)的論文:一種用于有容量限制的設施選址問題的切割平面算法,Computational Optimization and Applications期刊vol. 43, pp. 39–65。
     
    混合整數非線性優化 (MINLP)
    投資組合優化是傳統馬科維茨投資組合問題的一種變體,對所選資產的數量進行了基數約束。在這個混合整數非線性優化問題(MINLP)上,LocalSolver 12.0在擁有多達2,000個資產的實例上在10秒以內提供了接近最優的解決方案。
     
    仿真優化問題
    •Localsolver 12.0將其詞典式多目標能力擴展到仿真優化。
    •在我們的內部基準中,由工業問題和學術問題,不受約束和受約束的實例所組成的199個實例的134個實例上實現了少于150個函數評估的佳績(與LocalSolver 11.5相比求解實例+10)。在LocalSolver 12.0中,達到最佳解決方案的平均評估次數為70.8次(與之相比,LocalSolver 11.5為75.0次)。LocalSolver12.0使用更少的評估次數獲得最佳解決方案。
     
    建模API和LSP語言
    •Localsolver 12.0引入了一個Geodata地理數據模塊,用于快速計算距離和時間矩陣,這是路徑優化的關鍵數據:我們的模塊在1秒的運行時間內計算1,000 x 1,000矩陣。
    •LSP建模語言現在支持語法“M…N”來創建從M(包含)到N(不包含)的范圍。
    •Localsolver 12.0已適用于Linux arm64架構。
     
    LocalSolver Studio低代碼SaaS優化平臺
    LocalSolver Studio為數學模型開發人員提供了完美的低代碼SaaS平臺,用于開發、調試和運行使用LocalSolver建模語言編寫的優化應用程序。在其眾多功能中,該工作室應用平臺提供了:

    •功能強大的代碼編輯器,具有語法檢查和自動完成等高級功能,可幫助您編寫簡潔且無錯誤的優化模型。
    •安全的文件云存儲,為從任何設備訪問的無限個項目提供充足磁盤空間。
    •與LocalSolver Cloud集成,使您可以直接從瀏覽器運行您的LocalSolver模型,而無需安裝軟件或配置。
    •用于構建用戶界面的直觀可視化工具,因此您可以輕松輸入數據并可視化您的優化結果。
    •Localsolver無代碼建模器為您生成數學優化模型和接口,僅需幾次點擊。
     
    歡迎訪問LocalSolver獲得更多優化模型實例和代碼,如需采購LocalSolver求解器許可,請聯系LocalSolver中國區獨家代理商無錫迅合信息科技有限公司工作人員:info@xunhetech.com 。
     
    【返回】 【打印】
    無錫迅合信息科技有限公司 (C) 2012-2024 版權所有   蘇ICP備12065847號   技術支持:啟航信息
    国产日韩欧美精品区性色|国产美女性开放视频|亚洲日本国产综合高清| 欧美久久久久久精品免费免费直播|
  • <nav id="ysqa4"><code id="ysqa4"></code></nav>
  • <xmp id="ysqa4"><nav id="ysqa4"></nav>
    <menu id="ysqa4"><sup id="ysqa4"></sup></menu>
  • <nav id="ysqa4"><strong id="ysqa4"></strong></nav>
    <xmp id="ysqa4">
    <menu id="ysqa4"><menu id="ysqa4"></menu></menu>