Gurobi 数学优化求解器
Gurobi 致力於通过使用规范性分析来帮助公司做出更好的决策。我们提供最好的数学编程求解器、
分布式优化工具、云端优化和出色的支持。我们致力於提高我们的求解器性能并开发工具来帮助您更
轻松地使用 Gurobi。我们於 2008 年由优化界最有经验和最受尊敬的团队创立，通过提供先进开发
和技术的正确组合、世界一流的支持和灵活许可。
Gurobi优化器
适用於LP、QP、QCP和MIP(MILP、MIQP和MIQCP)问题的最快、最强大数学编成求解器。
在 Gurobi 9.1 中，Gurobi Optimizer（使用 Gurobi 的测试库由数千个真实模型组成）进行了
测试，在多种问题类型中取得了显著的性能改进，包括：
- 原始单纯形：总体快 17%，在至少需要 100 秒的模型上快 37%。
- 双单工：总体速度提高 29%，在至少需要 100 秒的模型上速度提高 66%。
- Barrier：总体速度提高 15%，在至少需要 100 秒的模型上速度提高 34%。
- 混合整数线性规划 (MILP)：总体速度提高 5%，在至少需要 100 秒的模型上速度提高 9%。
- 凸混合整数二次规划 (MIQP)：总体速度提高 5%，在至少需要 100 秒的模型上速度提高 20%。
- 凸混合整数二次约束编程 (MIQCP)：总体速度提高 13%，在至少需要 100 秒的模型上速度提高 57%。
- 非凸混合整数二次约束编程（非凸 MIQCP）：整体速度提高 4 倍，在至少需要 100 秒的模型上速度提高 9 倍。
- 不可约不可行集 (IIS) 计算：总体速度提高 2.6 倍，在至少需要 100 秒的模型上速度提高 5.7 倍。
- 更好的 MIP 可行解决方案：启发式方法在更早地找到高质量解决方案方面明显更好。
新特性
- NoRel 启发式：这种新的启发式方法可在混合整数规划 (MIP) 问题的线性规划 (LP) 松弛成本太高而无法解决的情况下找到高质量的解决方案。
- Integrity Focus：这个新功能允许用户对完整性约束更加严格，从而避免许多可能来自小的完整性违规的不良结果（包括涓流）。
- Python 矩阵 API 增强功能：Gurobi 的 Python 接口 gurobipy 已得到扩展和改进，以更好地支持面向矩阵的建模。
- Pip 安装支持：用户现在可以使用 Python 工具 pip 在他们的 Python 环境中安装 Gurobi。
- 在 Python API 中释放 GIL： 当调用 optimize() 方法时，gurobipy 现在会释放全局解释器锁 (GIL)，它允许用户程序在运行 optimize() 时在另一个 Python 线程中执行 Python 代码。
- 调整工具增强功能：我们为调整工具添加了许多额外的控件。
- 计算服务器和云的记录/重放： 我们现在支持 Gurobi 计算服务器和 Gurobi Instant Cloud 的记录/重放功能。
- 预先指定的用户剪切： 通过将延迟线性约束属性设置为新值 -1，用户可以将线性约束声明为用户剪切。相对於模型的其余部分，约束必须是冗余的。求解器可以选择将用户切割添加到松弛中，以切断 MIP 求解过程中遇到的 LP 解并可能提高性能。