SuperAPI AI 工具集

cuopt-numerical-optimization-api-python

编程与开发

查看项目

更新于 10-16 02:34

技能介绍

用途:使用 NVIDIA cuOpt 的 GPU 加速求解器,通过 Python API 建模并求解线性规划(LP)、混合整数线性规划(MILP)和二次规划(QP,beta)。三类问题共用 Problem、SolverSettings、solve 接口,区别在目标形式与少量规则。

主要能力:支持线性目标(sum c_ix_i)、整数/二值变量、二次目标(含 xx 或 x*y 项);可设置时间限制、MILP 相对间隙、控制台日志;LP 可读取对偶值与影子价格;支持从标准 MPS 文件求解。

问题类型选择:目标线性且变量全连续用 LP;目标线性但含整数或二值变量用 MILP;目标含平方或交叉项且变量连续用 QP。LP 求解更快、最优性保证更强,能用 LP 时优先用 LP。

变量类型判断:计数类离散实体(工人、车辆、设施)用 INTEGER;是/否或开关决策用 INTEGER 且 lb=0、ub=1;可分数化的量(吨、升、美元、小时、比例、流量)用 CONTINUOUS。

必要用法:从 cuopt.linear_programming.problem 导入 Problem、CONTINUOUS、INTEGER、MINIMIZE、MAXIMIZE,从 cuopt.linear_programming.solver_settings 导入 SolverSettings。用 addVariable 定义变量,addConstraint 添加约束,setObjective 设置目标,problem.solve(settings) 求解。状态检查必须用 PascalCase,如 problem.Status.name in ["Optimal", "PrimalFeasible"],写成 "OPTIMAL" 会静默失败。

QP 规则:仅支持 MINIMIZE,最大化需改为最小化 -f(x);仅支持连续变量,不支持整数 QP;Q 应为半正定以获得凸问题,否则可能返回非最优驻点;处于 beta,API 可能变化。

建模提示:大表达式用 LinearExpression(vars_list, coeffs_list, constant) 构建,避免链式 + 触发递归限制;if-then 约束需同时施加二值链接与最小产量约束。

适用场景:生产计划、设施选址、人员排班、投资组合方差最小化、最小二乘、正则化回归等。

限制:整数 QP 不支持;QP 仅最小化;QP 为 beta;状态值大小写敏感;资料未提供安装命令、收费与平台细节。