MindOpt
1.0.0
目录:
1.
MindOpt
产品介绍
2. 总览
2.1. 简介
2.1.1. 求解器能力概览
2.1.2. 求解器使用平台与获取方式
2.1.3. 求解器调用与交互
2.1.4. 建模工具
2.1.5. 高级建模技巧
2.2. 变更日志
2.2.1. 1.0.0 版本
2.2.2. 0.25.0 版本
2.2.3. 0.24.1 版本
2.2.4. 0.24.0 版本
2.2.5. 0.23.1 版本
2.2.6. 0.23.0 版本
2.2.7. 之前版本
2.3. 许可协议
2.3.1. MindOpt Solver
2.3.2. ZLIB
2.3.3. BZLIB2
2.3.4. Intel MKL
2.3.5. Sphinx
2.3.6. JSON for C++
2.3.7. Cereal
2.3.8. CURL
2.3.9. TFlite
3. 单机版安装
3.1. 支持平台
3.2. 下载安装包
3.3. 安装说明
3.3.1. Windows 平台
3.3.2. Linux 平台
3.3.3. OSX 平台
3.4. 安装目录结构
3.5. 许可证设置
3.5.1. 许可证（License）获取
3.5.2. Windows 平台
3.5.3. Linux 和 OSX 平台
4. 编程语言调用
4.1. 命令行调用
MindOpt
4.1.1. 调用方式简述
4.1.2. 示例
4.1.3. 输入文件格式
4.1.4. 参数设置
4.1.5. 数据脱敏
4.2. 使用 C 语言调用
MindOpt
4.2.1. 编辑.c文件
4.2.2. Linux平台上编译
4.2.3. macOS平台上编译
4.2.4. Windows平台上编译
4.3. 使用 C++ 语言调用
MindOpt
4.3.1. 编辑.cpp文件
4.3.2. Linux平台上编译
4.3.3. macOS平台上编译
4.3.4. Windows平台上编译
4.4. 使用 Python 语言调用
MindOpt
4.4.1. 安装mindoptpy库
4.4.2. 编辑.py文件
4.4.3. Linux和macOS上执行
4.4.4. Windows平台上执行
4.5. 使用 Java 语言调用
MindOpt
4.5.1. 编辑.java文件
4.5.2. Linux和macOS平台上编译
4.5.3. Windows平台上编译
5. 建模与优化求解
5.1. 线性规划（LP）
5.1.1. 线性规划建模
5.1.2. C 的LP建模和优化
5.1.3. C++ 的LP建模和优化
5.1.4. Python 的LP建模与优化
5.1.5. Java 的LP建模与优化
5.2. 混合整数线性规划（MILP）
5.2.1. 混合整数线性规划建模
5.2.2. C 的MILP建模和优化
5.2.3. C++ 的MILP建模和优化
5.2.4. Python 的MILP建模与优化
5.2.5. Java 的MILP建模与优化
5.2.6. MILP的热启动
5.2.7. MILP的特殊约束
5.3. 二次规划（QP）
5.3.1. 二次规划建模
5.3.2. C 的QP建模和优化
5.3.3. C++ 的QP建模和优化
5.3.4. Python 的QP建模与优化
5.4. 半定规划（SDP）
5.4.1. 半定规划建模
5.4.2. C的SDP建模与优化
5.4.3. C++的SDP建模与优化
5.4.4. Python 的SDP建模与优化
6. 高级建模技巧
6.1. 不可约不一致子系统（IIS）
6.1.1. C 的IIS计算
6.1.2. C++ 的IIS计算
6.1.3. Python 的IIS计算
6.2. 回调功能 (Callback)
6.2.1. API列表
6.2.2. 回调Code
6.2.3. 回调函数签名
6.2.4. 示例
7. 用建模语言调用MindOpt
7.1. MindOpt APL 的建模与优化
7.1.1. 在云上建模求解平台上使用 MindOpt APL
7.1.2. 在本地安装使用MindOpt APL
7.1.3. 使用
MindOpt APL
设置
MindOpt
的求解参数
7.1.4.
MindOpt APL
建模求解示例
7.2. AMPL 的建模与优化
7.2.1. mindoptampl 应用
7.2.2. 安装 AMPL
7.2.3. AMPL 接口参数和返回值
7.2.4. AMPL调用MindOpt示例
7.3. Pyomo 的建模与优化
7.3.1. 安装 Pyomo
7.3.2. Pyomo 调用接口
7.3.3. 使用 SOS 功能
7.3.4. 使用 Callback 功能
7.3.5. 建模示例: mdo_pyomo_lo_ex1
7.4. PuLP 的建模与优化
7.4.1. 安装 PuLP
7.4.2. PuLP 调用接口
7.4.3. 建模示例: mdo_pulp_lo_ex1
8. API
8.1. 属性
8.1.1. 模型属性
8.1.2. 变量属性
8.1.3. 约束属性
8.1.4. 一般约束属性
8.1.5. PSD变量属性
8.1.6. PSD约束属性
8.2. 参数
8.2.1. Int参数
8.2.2. Double参数
8.3. C API
8.3.1. 属性存取
8.3.2. 参数存取
8.3.3. Environment
8.3.4. 模型相关
8.3.5. 回调函数
8.3.6. Examples
8.4. C++ API
8.4.1. MDOException
8.4.2. MDOMatrix
8.4.3. MDOVar
8.4.4. MDOConstr
8.4.5. MDOSOS
8.4.6. MDOGenConstr
8.4.7. MDOPsdVar
8.4.8. MDOPsdConstr
8.4.9. MDOLinExpr
8.4.10. MDOQuadExpr
8.4.11. MDOPsdExpr
8.4.12. MDOColumn
8.4.13. MDOTempConstr
8.4.14. MDOEnv
8.4.15. MDOModel
8.4.16. MDOCallback
8.4.17. Examples
8.5. JAVA API
8.5.1. MDOException
8.5.2. MDOMatrix
8.5.3. MDOEnv
8.5.4. MDOPsdExpr
8.5.5. MDOConstr
8.5.6. MDOSOS
8.5.7. MDOGenConstr
8.5.8. MDOPsdConstr
8.5.9. MDOPsdVar
8.5.10. MDOColumn
8.5.11. MDOVar
8.5.12. MDOModel
8.5.13. MDOLinExpr
8.5.14. MDOQuadExpr
8.5.15. MDOCallback
8.5.16. Examples
8.6. Python API
8.6.1. 全局函数
8.6.2. MindoptError
8.6.3. tuplelist
8.6.4. tupledict
8.6.5. Var
8.6.6. MVar
8.6.7. PsdVar
8.6.8. Constr
8.6.9. SOS
8.6.10. GenConstr
8.6.11. MConstr
8.6.12. PsdConstr
8.6.13. TempConstr
8.6.14. Column
8.6.15. LinExpr
8.6.16. QuadExpr
8.6.17. MLinExpr
8.6.18. MQuadExpr
8.6.19. PsdExpr
8.6.20. Env
8.6.21. Model
8.6.22. Examples
9. 联系我们
MindOpt
»
5.
建模与优化求解
»
5.1.
线性规划（LP）
5.1.
线性规划（LP）
¶
在本节中，用户将学习如何使用
MindOpt
来求解线性规划（Linear programming，LP）问题。
5.1.1. 线性规划建模
5.1.1.1. 线性规划问题示例
5.1.2. C 的LP建模和优化
5.1.3. C++ 的LP建模和优化
5.1.4. Python 的LP建模与优化
5.1.5. Java 的LP建模与优化