MindOpt
0.25.0

目录:

  • 1. 新手快速入门
  • 2. 总览
    • 2.1. 简介
    • 2.2. 变更日志
      • 2.2.1. 0.25.0 版本
      • 2.2.2. 0.24.1 版本
      • 2.2.3. 0.24.0 版本
      • 2.2.4. 0.23.1 版本
      • 2.2.5. 0.23.0 版本
      • 2.2.6. 之前版本
    • 2.3. 许可协议
      • 2.3.1. MindOpt Solver
      • 2.3.2. ZLIB
      • 2.3.3. BZLIB2
      • 2.3.4. Intel MKL
      • 2.3.5. Sphinx
      • 2.3.6. JSON
      • 2.3.7. Cereal
      • 2.3.8. CURL
      • 2.3.9. TFlite
  • 3. 单机版安装
    • 3.1. 支持平台
    • 3.2. 文件夹结构
    • 3.3. 下载安装包
    • 3.4. 安装说明
      • 3.4.1. Windows 平台安装说明
      • 3.4.2. Linux 平台安装说明
      • 3.4.3. OSX 平台安装说明
    • 3.5. 许可证设置
      • 3.5.1. 许可证（License）获取
      • 3.5.2. Windows 平台安装说明
      • 3.5.3. Linux 平台安装说明
      • 3.5.4. OSX 平台安装说明
  • 4. 编程语言调用
    • 4.1. 命令行调用 MindOpt
      • 4.1.1. 调用方式简述
      • 4.1.2. 示例
      • 4.1.3. 输入文件MPS/LP、dat-s
      • 4.1.4. 输入参数
      • 4.1.5. 数据脱敏
    • 4.2. 使用 C 语言调用 MindOpt 动态库
      • 4.2.1. 简要示意
      • 4.2.2. Windows
      • 4.2.3. Linux
      • 4.2.4. OSX
      • 4.2.5. C 语言编译示例: MdoMps
    • 4.3. 使用 C++ 语言调用 MindOpt 动态库
      • 4.3.1. 简要示意
      • 4.3.2. Windows
      • 4.3.3. Linux
      • 4.3.4. OSX
      • 4.3.5. C++ 语言编译示例: MdoMps
    • 4.4. 使用 Python 语言调用 MindOpt 动态库
      • 4.4.1. 简要示意
      • 4.4.2. 从完整安装包安装 MindOpt Python 库
      • 4.4.3. pip install MindOpt Python 库
      • 4.4.4. Python 语言示例: mdo_mps
    • 4.5. 使用 Java 语言调用 MindOpt 动态库
  • 5. 建模与优化求解
    • 5.1. 线性规划（LP）
      • 5.1.1. 线性规划建模
      • 5.1.2. C 语言的建模和优化
      • 5.1.3. C++ 的建模和优化
      • 5.1.4. Python 的建模与优化
    • 5.2. 混合整数线性规划（MILP）
      • 5.2.1. 混合整数线性规划建模
      • 5.2.2. C 语言的MILP建模和优化
      • 5.2.3. C++ 的MILP建模和优化
      • 5.2.4. Python 的MILP建模与优化
    • 5.3. 二次规划（QP）
      • 5.3.1. 二次规划建模
      • 5.3.2. C 语言的QP建模和优化
      • 5.3.3. C++ 的QP建模和优化
      • 5.3.4. Python 的QP建模与优化
    • 5.4. 半定规划（SDP）
      • 5.4.1. 半定规划建模
      • 5.4.2. 半定规划问题示例
      • 5.4.3. C语言的SDP建模与优化
      • 5.4.4. C++的SDP建模与优化
      • 5.4.5. Python 的SDP建模与优化
    • 5.5. 约束不可行性分析
      • 5.5.1. C API: Mdo_computeIIS
      • 5.5.2. C++ API：computeIIS
      • 5.5.3. Python API: compute_iis
  • 6. 用建模语言调用MindOpt
    • 6.1. AMPL 的建模与优化
      • 6.1.1. 确认安装 mindoptampl 应用
      • 6.1.2. 安装 AMPL
      • 6.1.3. AMPL 接口参数和返回值
      • 6.1.4. AMPL调用MindOpt示例
    • 6.2. Pyomo 的建模与优化
      • 6.2.1. 安装 Pyomo
      • 6.2.2. 调用 Pyomo 接口文件
      • 6.2.3. 建模示例: mdo_pyomo_lo_ex1
    • 6.3. PuLP 的建模与优化
      • 6.3.1. 安装 PuLP
      • 6.3.2. 调用 PuLP 接口
      • 6.3.3. 建模示例: mdo_pulp_lo_ex1
    • 6.4. MindOpt APL 的建模与优化
  • 7. 远程计算服务
    • 7.1. Client-Server 架构
    • 7.2. 部署安装
      • 7.2.1. 客户端 SDK 下载与安装
      • 7.2.2. 部署计算服务
      • 7.2.3. 管控 Web 验证
    • 7.3. 运维
      • 7.3.1. Compute Server 重启
      • 7.3.2. 磁盘数据清理
    • 7.4. Client-Server 接口调用方式
    • 7.5. 客户端 C 程序示例
      • 7.5.1. 上传模型
      • 7.5.2. 获取结果
    • 7.6. 客户端 C++ 程序示例
      • 7.6.1. 上传模型
      • 7.6.2. 获取结果
    • 7.7. 客户端 Python 程序示例
      • 7.7.1. 上传模型
      • 7.7.2. 获取结果
    • 7.8. 通过客户端程序建模
    • 7.9. 服务端 Web 页面操作
      • 7.9.1. 访问和登录
      • 7.9.2. 工作台
      • 7.9.3. 任务列表
      • 7.9.4. 下载列表
  • 8. 完整的API说明
    • 8.1. C 接口函数
      • 8.1.1. 环境管理
      • 8.1.2. 模型管理
      • 8.1.3. IO 管理
      • 8.1.4. 属性管理
      • 8.1.5. 参数管理
      • 8.1.6. 解管理
    • 8.2. C++ 接口函数
      • 8.2.1. MdoCol
      • 8.2.2. MdoCons
      • 8.2.3. MdoEnv
      • 8.2.4. MdoException
      • 8.2.5. MdoExpr
      • 8.2.6. MdoExprLinear
      • 8.2.7. MdoModel
      • 8.2.8. MdoVar
    • 8.3. Python 接口函数
      • 8.3.1. MdoCol
      • 8.3.2. MdoCons
      • 8.3.3. MdoEnv
      • 8.3.4. MdoException
      • 8.3.5. MdoExpr
      • 8.3.6. MdoExprLinear
      • 8.3.7. MdoModel
      • 8.3.8. MdoVar
      • 8.3.9. quicksum
    • 8.4. Java 接口函数
    • 8.5. 类型和常数定义
      • 8.5.1. C/C++ 中的数据类型
      • 8.5.2. 异常返回码
      • 8.5.3. 优化结果码
      • 8.5.4. 属性的别名
      • 8.5.5. 其他常数
    • 8.6. 可选输入参数
      • 8.6.1. 整数型参数
      • 8.6.2. 实数型参数
      • 8.6.3. 字符串型参数
    • 8.7. 模型和求解过程属性
      • 8.7.1. 模型属性
      • 8.7.2. 解属性
      • 8.7.3. 单纯形法 (Simplex) 属性
      • 8.7.4. 内点法 (Interior point method) 属性
  • 9. 联系我们
MindOpt
  • »
  • Search

© Copyright 2023, Alibaba Cloud. Last updated on 2023 Aug 09.

Built with Sphinx using a theme provided by Read the Docs.