PySP公司

PySP:用Python建模和求解随机程序。尽管随机规划是在不确定性下进行决策建模的有力工具,但历史上各种障碍阻碍了它的广泛应用。其中一个因素是非专家能够很容易地将随机规划问题表示为确定性对应问题的扩展,而这些问题通常是首先制定的。第二个因素与求解随机规划模型的难度有关,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常常需要在大型问题上实现可处理的运行时间。我们在PySP软件包中同时解决了这两个因素,PySP软件包是Coopr开源Python优化存储库的一部分;后者是IBM的COIN-OR存储库的一部分。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确定性基本模型(支持线性、非线性和混合整数分量)和场景树模型(定义问题阶段和不确定参数的性质)。给定这两个模型,PySP为求解相应的随机规划提供了两条路径。一个广泛的替代方案包括一个标准的通行证。对于更复杂的随机规划,我们提供了Rockafellar和Wets的渐进式套期保值算法的实现。我们的重点是使用渐进式套期保值作为一种有效的启发式方法来获得多阶段随机规划的近似解。通过利用高级编程语言(Python)和在该语言中嵌入基本确定性模型(Pyomo)的组合,我们能够提供完全通用和高度可配置的解算器实现。PySP已经被包括我们自己在内的许多研究小组用来快速原型化和解决困难的随机规划问题。


zbMATH参考文献(参考 18篇文章 参考,2标准条款)

显示18到18个结果。
按年份排序(引用)

  1. David Mildbrath;Gonzalez,Victor;Hemmati,Mehdi;Schaefer,Andrew J.:将单个场景面与随机单节点流多面体扩展形式的凸壳相关联(2020)
  2. Li,Can;Grossmann,Ignacio E:具有混合二元一阶和二阶变量的两阶段随机凸非线性规划的有限(\epsilon)-收敛算法(2019)
  3. Munguía,Lluís-Miquel;Oxberry,Geoffrey;Rajan,Deepak;Shinano,Yuji:并行PIPS-SBB:随机混合整数程序的多级并行(2019年)
  4. Valicka,Christopher G.;Garcia,Deanna;Staid,Andrea;Watson,Jean-Paul;Hackebeil,Gabriel;Rathinam,Sivakumar;Ntaimo,Lewis:考虑云量不确定性的最优星座调度的混合整数规划模型(2019年)
  5. Kim,Kibaek;Zavala,Victor M.:应用于随机混合整数规划的对偶分解方法的算法创新和软件(2018)
  6. Barnett,Jason;Watson,Jean-Paul;Woodruff,David L.:BBPH:在分支内使用渐进式套期保值,并将其用于求解多阶段随机混合整数规划(2017)
  7. Iain Dunning;Huchette,Joey;Lubin,Miles:JuMP:数学优化的建模语言(2017)
  8. Eckstein,Jonathan;Eskandani,Deniz;Fan,Jinnan:风险规避随机规划的多级优化模型(2016)
  9. Feng,Yonghan;Ryan,Sarah M.:基于解决方案敏感性的随机机组组合情景缩减(2016)
  10. Gade,Dinakar;Hackebeil,Gabriel;Ryan,Sarah M.;Watson,Jean Paul;Wets,Roger J.-B.;Woodruff,David L.:从随机混合整数规划的渐进式对冲算法中获取下界(2016)
  11. Guo,Ge;Hackebeil,Gabriel;Ryan,Sarah M.;Watson,Jean-Paul;Woodruff,David L.:随机整数规划中渐进式套期保值和对偶分解的集成(2015)
  12. Munoz,Francisco D.;Watson,Jean-Paul:随机输电和发电规划问题的可扩展解决方案框架(2015)
  13. Veliz,Fernando Badilla;Watson,Jean-Paul;Weintraub,Andres;Wets,Roger J.-B.;Woodruff,David L.:森林规划中的随机优化模型:渐进式对冲解决方案方法(2015)
  14. Hold,Harald;Martinez,Gabriela;Stelzig,Philipp Emanuel:微电网能源管理的随机规划方法(2014)
  15. Hart,William E.;Laird,Carl;Watson,Jean-Paul;Woodruff,David L.:Pyomo——Python中的优化建模(2012)
  16. Perez,Ruben E.;Jansen,Peter W.;Martins,Joaquim R.R.A.:PyOpt:一个基于python的非线性约束优化面向对象框架(2012)
  17. Watson,Jean-Paul;Woodruff,David L.;Hart,William E.:PySP:用Python建模和求解随机程序(2012)
  18. Hart,William E.;Watson,Jean-Paul;Woodruff,David L.:Pyomo:用python建模和求解数学程序(2011)ioport公司