使用MindOpt时常见的报错,以及对应的解决方法

简介: 使用MindOpt时常见的报错,以及对应的解决方法

本篇描述的license问题均为云鉴权的方式

执行mindopt -c检查许可证的配置(license文件)

1. 许可证过期

a. 示例:

image.png

b. 解决方法:


2. 并发不够(409),以及两个WARN提示

a. 示例:

image.png

b. 解决方法:

  • 并发不够:请等待我们自助下单采购license的流程上线,即可在采购的时候选择并发数。此外,如需要不联网的license,而您对Python编程语言比较熟悉,可以采用pip安装mindopt,pip安装版本内置了期限到2024年底的不联网的鉴权文件。如不满足您的需求,可以联系我们详细说明您的情况,我们会对您的场景进行评估。
  • WARN提示:出现这两个提示的原因可能是并发不够(409)、鉴权文件过期(410)等等,表示鉴权文件无效,以及问题规模超过300,也就是说在问题规模没有超过300的情况下,可以不使用鉴权服务。

另一种情况为mindopt 程序会每个1min发送服务器延长并发占用的请求给服务器。程序正常退出,会发送结束并发的请求。异常退出后,没办法给服务器发送请求,服务器等待10min后自动释放此并发。

此外我们可以通过设置求解器的最大求解时间来解决,如:python 的用法是 model.setParam("MaxTime", 3)


3. AccessID 不存在(404)

a. 示例:

image.png

b. 示例:

image.png

c. 解决方法:

  • 检查ak_id和ak_secret是否正确且有效

4. 没有找到mindoptpy库

a. 示例:

image.png

b. 解决方法:

出现上述报错的情况有两种,第一种是完整版SDK,第二种是PIP安装版本

  1. 完整版本:需要在Python SDK目录下安装 mindoptpy库
cd <MDOHOME>/linux64-x86/lib/python
python setup.py install
  1. PIP版本:出现的原因是mindoptpy包与我们最新的求解器版本不一致,需要更新这个py包
pip install --upgrade mindoptpy

执行pip list -v 即查看存在的mindoptpy相关文件


5. c#编程语言调用mindopt,编译任务失败

a. 示例:

image.png

b. 解决方法:

  • csproject目录下Example.csproj中包含的.NET SDK版本最高为8.0,由于是向上兼容版本,导致环境为6.0或者7.0的时候会寻找8.0的编译器,因此需要在Examlp.csproj中删除高于自身环境的版本,如下:

image.png

相关文章
|
7月前
|
达摩院 开发者 容器
「达摩院MindOpt」优化形状切割问题(MILP)
在制造业,高效地利用材料不仅是节约成本的重要环节,也是可持续发展的关键因素。无论是在金属加工、家具制造还是纺织品生产中,原材料的有效利用都直接影响了整体效率和环境影响。
「达摩院MindOpt」优化形状切割问题(MILP)
|
7月前
|
人工智能 自然语言处理 达摩院
MindOpt 云上建模求解平台:多求解器协同优化
数学规划是一种数学优化方法,主要是寻找变量的取值在特定的约束情况下,使我们的决策目标得到一个最大或者最小值的决策。
|
2月前
|
机器学习/深度学习 算法 数据可视化
如果你的PyTorch优化器效果欠佳,试试这4种深度学习中的高级优化技术吧
在深度学习领域,优化器的选择对模型性能至关重要。尽管PyTorch中的标准优化器如SGD、Adam和AdamW被广泛应用,但在某些复杂优化问题中,这些方法未必是最优选择。本文介绍了四种高级优化技术:序列最小二乘规划(SLSQP)、粒子群优化(PSO)、协方差矩阵自适应进化策略(CMA-ES)和模拟退火(SA)。这些方法具备无梯度优化、仅需前向传播及全局优化能力等优点,尤其适合非可微操作和参数数量较少的情况。通过实验对比发现,对于特定问题,非传统优化方法可能比标准梯度下降算法表现更好。文章详细描述了这些优化技术的实现过程及结果分析,并提出了未来的研究方向。
33 1
|
5月前
|
人工智能 算法 调度
优化问题之如何选择合适的优化求解器
优化问题之如何选择合适的优化求解器
|
5月前
|
调度 决策智能
优化问题之优化求解器有哪些主要的评估特性
优化问题之优化求解器有哪些主要的评估特性
|
达摩院 调度
使用达摩院MindOpt优化交通调度_最大化通行量—线性规划问题
在数学规划中,网络流问题是指一类基于网络模型的流量分配问题。网络流问题的目标是在网络中分配资源,使得网络的流量满足一定的限制条件,并且使得某些目标函数最小或最大化。网络流问题通常涉及一个有向图,图中每个节点表示一个资源,每条边表示资源之间的关系。边上有一个容量值,表示该边上最多可以流动的资源数量。流量从源节点开始流出,经过一系列中间节点,最终到达汇节点。在这个过程中,需要遵守一定的流量守恒和容量限制条件。
|
7月前
|
存储 达摩院 调度
「达摩院MindOpt」优化FlowShop流水线作业排班问题
在企业在面临大量多样化的生产任务时,如何合理地安排流水线作业以提高生产效率及确保交货期成为了一个重要的问题。
「达摩院MindOpt」优化FlowShop流水线作业排班问题
MindOpt V1.0优化种植计划问题,新的建模方法
种植计划是指农业生产中针对不同农作物的种植时间、面积和种植方式等方面的规划安排。根据具体情况进行合理的规划和安排,以实现农作物的高产、优质和可持续发展。
MindOpt V1.0优化种植计划问题,新的建模方法
|
7月前
|
达摩院 自然语言处理 Java
MindOpt APL:一款适合优化问题数学建模的编程语言
本文将以阿里达摩院研发的MindOpt建模语言(MindOpt Algebra Programming Language, MindOptAPL,简称为MAPL)来讲解。MAPL是一种高效且通用的代数建模语言,当前主要用于数学规划问题的建模,并支持调用多种求解器求解。
|
达摩院 供应链 JavaScript
网络流:优化仓储物流调度问题-达摩院MindOpt
仓储物流调度是指在物流供应链中,对仓储和运输(运输路线、成本)进行协调和安排的过程。主要包含物流计划、运输调度、运发管理、库存管理等重要环节。随着网络、电商行业的迅速发展,仓储物流调度对于企业来说也非常重要,优秀的调度方案可以帮助降低库存成本、物流配送的效率、成本等等等,从而给企业带来降本增效。
网络流:优化仓储物流调度问题-达摩院MindOpt