决策优化

MindOpt 优化求解器
求解优化问题的专业计算软件。可广泛应用于云计算、零售、金融、制造、交通、能源等领域,是深埋于智能决策场景底层的“终极利器”、“降本增效”的好工具。本技术来自达摩院的决策智能实验室,每年在弹性计算资源调度优化场景里为阿里云节省数亿成本。

技术特色

MindOpt优点
求解器运算快、解的质量好、可求解的问题规模大、适用问题类型广
当前功能
当前上线了线性规划(LP)模块,支持 C、C++、Python 语言,还有更多算法模块更新中
免费使用
采用Client/server架构,可全部在线上免费使用,丰富的案例示例教程帮助快速掌握

学习案例

帮助您快速了解求解器的作用,熟悉使用求解器的代码
LP
【LP专题-1】你已经会用运筹学-线性规划
线性问题是运筹学中最简单的一类问题,线性规划是在实际生活中应用最广泛的运筹知识。我们每个人都可能用过线性规划的方法,只是不知道这些就是数学上说的“线性规划”。
LP
【LP专题-2】营养调配:如何吃少花钱又营养丰富
养调配问题的的目标是利用优化模型来设定每日饮食菜单,在满足各类营养的需求同时更能优化总成本。(内含12个C、C++或Python代码)
LP
【LP专题-3】生产调度:Flow Shop 调度优化下界估计问题
Flow Shop 是调度领域中的经典模型:给定一组机器和一批工件,要求解的决策是工件之间的先后顺序,优化的目标为完成所有加工的时间(降低成本)。
LP
【LP专题-4】广告流量分配:曝光和转化均衡
在很多视频在线流量调控场景,需要在保证每个视频内容播放量的同时,使得播放总量最大化。如广告、通知、宣发内容等。
LP
【LP专题-5】鲁棒线性回归-预测
回归是一种预测技术,目的是建立 自变量x(向量)和 相关变量y(标量)之间的关系。比如,学生的行为习惯和测试成绩之间的关系。线性回归使用线性函数 y = + b 来描述这种关系,我们可以估计出 a 和 b 的值。
LP
【LP专题-6】机器学习:带有L1正则项的SVM多分类问题
分类是机器学习领域中最基本的任务之一。其目的是建立输入向量x与分类变量y之间的映射关系。例如把一张张图片根据其内容分类为"动物","轮船", "植物"等类别。