编程语言建议-动态和多维数组-cplex或gurobi
Programming language suggestion - Dynamic and multidimensional array - cplex or gurobi
目前我一直在使用MATLAB来解决我一直在处理的问题。在我的 MATLAB 代码中，我调用 CPlex 或 GUROBI 解算器来解决大型线性规划问题。在我的 MATLAB 代码的每次调用中，CPlex 或 GUROBI 被调用超过 10^5 次。这会导致高计算负荷，并且解决更大的问题需要太多时间。但是，我想切换到另一种编程语言，
- 能够调用其中之一（CPlex 或 GUROBI），
- 能够调用其中一个求解器（CPlex 或 GUROBI）太多次（比如说 10^6 次）并且在每次调用中都不会显着降低性能并且不会显着增加 运行 时间。
- 能够使用动态数组（即，当我 运行 我的代码时，它会获取一些用户参数，并且会在每个 运行 中定义不同大小的矩阵。）
- 能够定义多维数组，而不是数组的数组。
至此我找到了三个选项
Fortran：看起来还不错，但我担心它是否可以有效地多次调用求解器。看来我只能将 Fortran 与 Cplex 一起使用。我用谷歌搜索了 Fortran+GUROBI，但结果并不令人鼓舞。
Visual Basic.NET : 似乎可以使用 Visual Basic 调用 Cplex 和 GUROBI，但我不确定性能如何。
Python：均可与 CPlex 和 GUROBI 集成。
总而言之，我请求您的建议以继续前进。我的偏好是从一种可以同时使用 GUROBI 和 CPlex 的编程语言开始。
我的建议是使用 Python
表母。
Pyomo (www.pyomo.org) "... 是一个基于 Python 的开源软件包，支持用于制定和分析优化模型的多种优化功能。 “因此，您可以使用 Python 构造来帮助构建模型。构建模型后，您可以 运行 在 gurobi、cplex 等平台上使用它。由于求解器只是 solve 函数中的一个参数，因此 运行 在两者中使用它只是一个词的区别。下面是一个简单的例子。
# model.py
from __future__ import division
from pyomo.environ import *
model = ConcreteModel()
model.x = Var([1,2], domain=NonNegativeReals)
model.OBJ = Objective(expr = 2 * model.x[1] + 3 * model.x[2])
model.Constraint1 = Constraint(expr=3 * model.x[1] + 4 * model.x[2] >= 1)
然后您可以从命令行解决
pyomo solve model.py --solver=gurobi
或
pyomo solve model.py --solver=cplex
您也可以使用脚本来解决它。天空是极限，support group 很棒。
目前我一直在使用MATLAB来解决我一直在处理的问题。在我的 MATLAB 代码中，我调用 CPlex 或 GUROBI 解算器来解决大型线性规划问题。在我的 MATLAB 代码的每次调用中，CPlex 或 GUROBI 被调用超过 10^5 次。这会导致高计算负荷，并且解决更大的问题需要太多时间。但是，我想切换到另一种编程语言，
- 能够调用其中之一（CPlex 或 GUROBI），
- 能够调用其中一个求解器（CPlex 或 GUROBI）太多次（比如说 10^6 次）并且在每次调用中都不会显着降低性能并且不会显着增加 运行 时间。
- 能够使用动态数组（即，当我 运行 我的代码时，它会获取一些用户参数，并且会在每个 运行 中定义不同大小的矩阵。）
- 能够定义多维数组，而不是数组的数组。
至此我找到了三个选项
Fortran：看起来还不错，但我担心它是否可以有效地多次调用求解器。看来我只能将 Fortran 与 Cplex 一起使用。我用谷歌搜索了 Fortran+GUROBI，但结果并不令人鼓舞。
Visual Basic.NET : 似乎可以使用 Visual Basic 调用 Cplex 和 GUROBI，但我不确定性能如何。
Python：均可与 CPlex 和 GUROBI 集成。
总而言之，我请求您的建议以继续前进。我的偏好是从一种可以同时使用 GUROBI 和 CPlex 的编程语言开始。
我的建议是使用 Python 表母。
Pyomo (www.pyomo.org) "... 是一个基于 Python 的开源软件包，支持用于制定和分析优化模型的多种优化功能。 “因此，您可以使用 Python 构造来帮助构建模型。构建模型后，您可以 运行 在 gurobi、cplex 等平台上使用它。由于求解器只是 solve 函数中的一个参数，因此 运行 在两者中使用它只是一个词的区别。下面是一个简单的例子。
# model.py
from __future__ import division
from pyomo.environ import *
model = ConcreteModel()
model.x = Var([1,2], domain=NonNegativeReals)
model.OBJ = Objective(expr = 2 * model.x[1] + 3 * model.x[2])
model.Constraint1 = Constraint(expr=3 * model.x[1] + 4 * model.x[2] >= 1)
然后您可以从命令行解决
pyomo solve model.py --solver=gurobi
或
pyomo solve model.py --solver=cplex
您也可以使用脚本来解决它。天空是极限，support group 很棒。