×

PySP公司

swMATH ID: 4921
软件作者: Jean-Paul Watson;伍德拉夫,大卫·L·。;威廉·哈特(William E.Hart)。
描述: PySP:用Python建模和求解随机程序。尽管随机规划是一种在不确定性下建模决策的强大工具,但历史上各种障碍阻碍了它的广泛使用。其中一个因素涉及到非专业人员将随机规划问题轻松表示为确定性对应问题的扩展,而确定性对应问题通常是先表述的。第二个因素与求解随机规划模型的困难有关,特别是在混合整数、非线性和/或多阶段情况下。复杂的、可配置的和并行的分解策略经常需要在大规模问题上实现易处理的运行时间。我们在PySP软件包中同时解决了这两个因素,该软件包是Coopr开源Python优化存储库的一部分;后者作为IBM的COIN-OR存储库的一部分进行分发。为了在PySP中制定随机程序,用户在Pyomo开源代数建模语言中指定了确定性基础模型(支持线性、非线性和混合整数组件)和场景树模型(定义问题阶段和不确定参数的性质)。鉴于这两个模型,PySP为相应随机程序的求解提供了两条路径。第一种选择是将扩展形式传递给标准确定性求解器。对于更复杂的随机程序,我们提供了Rockafellar和Wets的渐进对冲算法的实现。我们特别关注渐进式套期保值作为一种有效的启发式方法的使用,以获得多阶段随机规划的近似解。通过利用高级编程语言(Python)和在该语言(Pyomo)中嵌入基本确定性模型的组合,我们能够提供完全通用和高度可配置的求解器实现。PySP已经被许多研究小组(包括我们自己的研究小组)用于快速原型化和解决困难的随机规划问题。
主页: https://pypi.python.org/pypi/coopr.pysp
相关软件: Pyomo公司CPLEX公司古罗比数字信号处理器AMPL公司合作伙伴ddsip协议XPRESS公司AIMMS公司githubSIPLIB公司JuMP公司朱莉娅蟒蛇SCIP公司随机程序.jlmpi间谍软件伊波特SMPS阅读器苏蒂尔
引用于: 28文件
全部的 前5名

67位作者引用

10 Jean-Paul Watson先生
8 大卫·L·伍德拉夫。
加布里埃尔·A·哈克贝尔。
Sarah M.瑞安。
2 白瑞斌
2 格罗斯曼(Ignacio E.Grossmann)。
2 威廉·哈特(William E.Hart)。
2 姜小平
2 格雷厄姆·肯德尔
2 Mildebrath,David T。
2 安德烈斯·温特劳布。
2 罗杰·韦茨(Roger Jean-Baptiste Wets)
2 维克多·扎瓦拉(Victor M.Zavala)。
1 伊格纳西奥·阿拉维纳
1 杰森·巴奈特
1 大卫·E·伯纳尔。
1 马丁·贝尔
1 梅利赫·切利克
1 努尔·巴努·德米尔
1 邓宁,伊恩
1 马可·杜兰(Marco A.Duran)。
1 乔纳森·埃克斯坦
1 丹尼斯·埃斯坎达尼
1 范京南
1 冯永汉
1 凯文·弗曼(Kevin C.Furman)。
1 迪纳卡尔·盖德
1 迪安娜·加西亚
1 哈维·乔尔·格林伯格
1 塞哈特·古尔
1 郭戈
1 哈拉尔德·赫尔德
1 赫姆马蒂、迈赫迪
1 乔伊·休切特
1 约旦加林
1 彼得·詹森(Peter W.Jansen)。
1 米凯尔·约翰逊
1 Kim、Kibaek
1 伯纳德·克努埃文
1 卡尔·D·莱尔德。
1 兰达·席尔瓦,达里奥
1 李家伟
1 卢宾,迈尔斯
1 斯蒂芬·J·马赫。
1 马丁内斯,加布里埃拉·E。
1 Joaquim R.R.A.马丁斯。
1 克里斯托弗·缪尔
1 蒙古亚,路易斯·米克尔
1 弗朗西斯科·穆尼奥斯。
1 刘易斯·恩泰莫
1 杰弗里·奥克斯伯里。
1 克里斯托瓦尔·佩斯
1 安东尼·帕帕瓦西里奥
1 鲁本·佩雷斯(Ruben E.Perez)。
1 迪帕克·拉詹
1 西瓦库马尔·拉提南
1 任建锋
1 安德鲁·谢弗。
1 沈左军
1 申成浩
1 Yuji Shinano
1 约翰·D·西罗拉。
1 安德烈亚·斯塔伊德
1 菲利普·伊曼纽尔
1 克里斯托弗·瓦利卡。
1 费尔南多·巴迪拉·贝利兹
1 斯坦·华莱士。

按年份列出的引文