不得不说Lingo 多起点求解器在NLP和混合整数NLP的求解空间中智能地生成候选起点序列,每个起点都需要调用传统的NLP求解器,以找到局部最优值,对于非凸NLP模型,多起点求解器发现的最佳解决方案的质量往往优于传统非线性求解器的单个解决方案,用户可调参数控制要执行的最大多次启动次数。有目共睹的是Lingo 全局求解器在支系定界框架下融合了一系列范畴界限(比如区段分析与凸剖析)和范畴变小技术性(比如线性规划问题和管束散播),以寻找通过检验的非凸离散系统程序流程的总体解,传统离散系统求解器很有可能变卡在最优的部分解中,应用全局求解器时,状况不会再这般。很明显Lingo提供了快速启动和运行所需的所有工具,您将获得LINGO用户手册(印刷版,可通过在线帮助获得),该手册全面描述了该程序的命令和功能,超级版本和更大版本中还包括LINGO优化建模的副本,这是一份全面的建模文本,讨论了线性,整数和非线性优化问题的所有主要类别,LINGO还提供了许多基于现实世界的示例,供您修改和扩展。从总体上来看Lingo 随机规划求解器通过具有追索权的多阶段随机模型支持不确定情况下的决策,用户通过识别分布函数(内置的或用户定义的)描述不确定性。根据行业数据显示LINGO提供了一个完全集成的包,其中包括一个用于表达优化模型的强大语言,一个用于构建和编辑问题的全功能环境,以及一组快速内置求解器。

总体来讲Lingo 可以在中构建和求解模型,也可以直接从编写的应用程序中调用LINGO,为了以交互方式开发模型。数据表明Lingo 花费时间和精力来管理数据,它使您可以构建直接从数据库和电子表格中提取信息的模型。我们都知道Lingo 多起点求解器在NLP和混和整数金额NLP的求解空间内智能化地形成备选起点编码序列,每一个起点都要启用传统NLP求解器,以寻找局部最优值,针对非凸NLP模型,多起点求解器发觉的绝佳解决方案品质通常好于传统式离散系统求解装置的单独解决方法,客户可调式参数控制要实行的主要数次运行频次。也就是说Lingo 全局求解器在分支定界框架内结合了一系列范围边界(例如区间分析和凸分析)和范围缩小技术(例如线性规划和约束传播),以找到经过验证的非凸非线性程序的整体解,传统的非线性求解器可能会卡在次优的局部解中,使用全局求解器时,情况不再如此。用户量向我们证明了Lingo 提供了原始和对偶单纯形法的两种高级实现,作为解决线性编程问题的主要手段,其灵活的设计允许用户通过更改一些算法参数来微调每种方法。

由此可知Lingo 通用性离散系统求解器,给予一般非线性和非线性/整数金额作用,为了能应用LINDOAPI的离散系统作用,需要使用离散系统批准选择项。实际上我们可以这样讲Lingo互动式建模或建立交付应用程序,你可以在LINGO中创建和求解模型,可以直接从整理的应用程序中启用LINGO,为了能以交互技术开发设计模型,LINGO带来了一个完整的建模自然环境来搭建,求解与分析你的模型,针对搭建交付解决方法。我们都明白Lingo直接从Excel宏或数据库应用程序中调用LINGO,LINGO当前包括C / C ++,FORTRAN,Java,VB.NET,ASP.NET,Visual Basic,Delphi和Excel的编程示例。根据使用者情况表明LINGO是linear interactive and general optimizer的缩写,即“交互式线性与通用优化求解器”,由美国LINDO System Inc .推出。根据大数据调查表明Lingo是一个全面的工具,旨在更快、更容易、更高效地建立和求解线性、非线性(凸和非凸/全局)、二次、二次约束、二阶锥、半定、随机和整数优化模型。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注