AI 助理
备案控制台

决策智能Lab_运营小编003_个人页

个人头像照片 决策智能Lab_运营小编003
个人头像照片 个人头像照片
文章
73
问答
78
视频
0

个人介绍

暂无个人介绍

擅长的技术

获得更多能力
通用技术能力：

暂时未有相关通用技术能力~

云产品技术能力：

暂时未有相关云产品技术能力~

阿里云技能认证

详细说明
暂无更多信息

2024年07月

2024年06月

  • 06.28 16:04:27
    发表了文章 2024-06-28 16:04:27

    仓库选址问题【数学规划的应用(含代码)】阿里达院MindOpt

    使用阿里云MindOpt工具，文章展示了如何解决仓库选址的数学规划问题。该问题涉及构建工厂以供应多个商店，考虑因素包括建设成本、库存成本、运输成本和需求量。MindOpt是一个优化求解器，能处理大规模数据的数学规划问题。通过声明集合、参数、变量、目标函数和约束条件，构建模型并求解，以最小化总成本。文中还提到了不同行业的应用场景，如农业、制造业、零售业和电商，并提供了视频讲解和代码示例。
  • 06.21 16:18:36
    发表了文章 2024-06-21 16:18:36

    【FlowShop流水线作业排班问题【数学规划的应用(含代码)】阿里达摩院MindOpt】

    本文探讨了使用阿里巴巴达摩院的MindOpt工具解决FlowShop流水线作业排班的数学规划问题。FlowShop涉及到多台机器、多个工序和多个作业，目标是通过优化排班最小化总生产耗时。MindOpt通过数学规划方法，如线性或混合整数线性规划，将问题建模并转化为代码，利用云建模平台MindOpt Studio和MindOpt APL建模语言进行求解。案例中详细介绍了参数定义、变量解析、约束设置和目标函数，展示了如何通过MindOpt进行建模和求解，以达到最优化的生产调度。此外，文章还提供了代码示例和结果解析，帮助读者理解如何实际应用MindOpt解决这类问题。
  • 06.14 16:32:16
    发表了文章 2024-06-14 16:32:16

    支持向量机(SVM): 从理论到实践的指南（2）

    葡萄酒数据集经常被用于机器学习、模式识别和统计分类算法的测试中。由于其特征维度较高，非常适合于验证特征选择和降维方法，例如主成分分析（PCA）或线性判别分析（LDA）的效果。同时，由于数据集包含多个分类，它也经常被用作分类算法（如决策树、随机森林、支持向量机等）的标准测试集。
  • 06.07 17:35:23
    发表了文章 2024-06-07 17:35:23

    支持向量机(SVM): 从理论到实践的指南（1）

    SVM专注于为二分类问题找到最佳决策边界，即超平面，该平面能最大化两类数据之间的空隙或间隔。线性SVM假设用一个直线（或高维空间中的超平面）足以有效地分隔数据。当遇到重叠或杂乱无章散布的数据时，软间隔SVM允许某些点位于错误的边界一侧，这通过引入松弛变量与罚项系数C来实现，从而提供一个稳健的平衡方案。

2024年05月

  • 05.31 14:40:56
    发表了文章 2024-05-31 14:40:56

    MindOpt不联网License，可直接在阿里云线上购买了

    在很多场景里，由于智能决策运行环境不允许联网、网络不稳定、或者需要毫秒级计算决策方案需要节省联网耗时等场景，多用户反馈需要【不联网】的License。
  • 05.24 19:30:19
    发表了文章 2024-05-24 19:30:19

    选择优化求解器的关键因素：以MindOpt为例

    选择一款适合自己业务需求的求解器我们一般需要考量什么呢？可求解的问题类型？问题规模？本文将介绍一些需要考虑的重要因素，并且介绍阿里达摩院MindOpt优化求解器在这些因素下的表现。
  • 05.17 16:32:17
    发表了文章 2024-05-17 16:32:17

    如何用算法规划完美的相亲假期 - 小美的春节排班挑战

    排班是一个经典的组合优化问题，而相亲排班可谓是它的一种别出心裁的应用。小美的挑战在于，如何在有限的8天空闲时间内，安排至少12场有效的相亲，并且满足诸如“父母严选”和通勤时间等一系列复杂的条件。
  • 05.11 16:27:07
    发表了文章 2024-05-11 16:27:07

    解决背包问题：组合优化的应用与建模方法

    组合优化是数学优化的一支，专注于从有限集合中选取元素的最优化问题。它涉及将一组对象组合在一起，以满足特定条件并优化某个目标函数，即在所有可能的组合中找到最有利的一个。 本文将以一个简化的背包问题为例，来讲解采用数学规划的方法来解决背包这个组合优化问题。
  • 04.26 17:26:39
    发表了文章 2024-04-26 17:26:39

    智能解决装箱问题：使用优化算法实现高效包装

    装箱问题（Bin Packing Problem）是组合优化领域中的一个经典问题，主要涉及如何将一系列对象高效地装入有限数量的容器（或“箱”）中，同时满足特定的约束条件。这个问题的目标是最小化所需使用的箱子数量或者最大化箱子的装载效率，以减少空间或资源的浪费。
  • 04.19 18:25:45
    发表了文章 2024-04-19 18:25:45

    深入了解MindOpt优化求解器的License服务

    在商业和研究领域，高效的数学优化求解器是解决复杂问题的关键工具。MindOpt求解器以其卓越的性能和广泛的应用场景成为众多专业人士的首选。但在享受其强大功能的同时，了解和选择合适的License服务是至关重要的。本篇博客将详细介绍MindOpt优化求解器的Licence服务。
  • 04.12 16:27:56
    发表了文章 2024-04-12 16:27:56

    MindOpt APL向量化建模语法的介绍与应用（2）

    在数据科学、工程优化和其他科学计算领域中，向量和矩阵的运算是核心组成部分。MAPL作为一种数学规划语言，为这些领域的专业人员提供了强大的工具，通过向量式和矩阵式变量声明以及丰富的内置数学运算支持，大大简化了数学建模和优化问题的处理。在本文中，我们将探索MAPL的这些特性，并且通过示例来展示如何有效使用这些工具。
  • 03.27 11:03:29
    发表了文章 2024-03-27 11:03:29

    MindOpt APL 最新版本功能介绍，并且开放下载使用了！

    MindOpt APL (MAPL) 是由阿里巴巴达摩院研发的国产建模语言，专长于电力SCUC等问题，提供向量化建模支持，可与Mindopt Studio平台集成。最新版2.4增加了向量化建模、Linux环境下通过pip安装支持以及改进了打印显示和错误提示。MAPL的向量化建模提高了效率，适合大规模问题。用户可通过云平台Docker打包或pip安装使用，支持多种求解器，包括MindOpt和开源求解器。
  • 03.27 11:01:26
    发表了文章 2024-03-27 11:01:26

    MindOpt APL向量化建模语法的介绍与应用（1）

    向量化建模是一种高效的数学建模和编程技术，它涉及到对向量、矩阵和更高维数组进行操作，以实现操作的同时性和批量处理。在优化和数据分析等领域，向量化建模可以极大地提高计算效率，特别是当涉及到大量的重复计算时。由于向量化建模具有表述优势、操作优势、计算性能、可扩展性等优势，使得其适合于解决很大一类实际问题
  • 03.15 17:04:50
    发表了文章 2024-03-15 17:04:50

    了解MindOpt优化求解器的各种调用方式、方法

    Mindopt是一款高性能优化求解器，专为求解大规模数学规划问题，当前支持线性规划 (LP) 、混合整数线性规划 (MILP) 、非线性规划（QP、SDP）。其强大的算法旨在有效地找到符合规规则约束、目标值最优的最佳解决方案，使其成为运筹学必学工具，广泛用在电商互联网、金融、电力能源、工业制造、交通物流等领域。
  • 03.08 18:02:27
    发表了文章 2024-03-08 18:02:27

    MindOpt优化器: 浅谈版本0.x和1.x之间API的差异

    Mindopt是一款高性能优化求解器，专为解决从简单线性规划 (LP) 到更复杂的混合整数规划 (MIP) 、非线性规划（QP、SDP）的一系列问题而设计。其强大的算法旨在有效地找到最佳解决方案，使其成为运筹学，电力能源、工业制造、交通物流和其他领域的研究人员和专业人员的首选工具。
  • 03.01 18:18:13
    发表了文章 2024-03-01 18:18:13

    使用MindOpt时常见的报错，以及对应的解决方法

    使用MindOpt时常见的报错，以及对应的解决方法
  • 02.04 15:30:45
    发表了文章 2024-02-04 15:30:45

    如何选择旅游路线，使得假期旅游路费最少？

    旅行是许多人的热爱，但是在规划一个完美的假期时，找到最经济的路线常常是一个挑战。这里就需要引入一个著名的优化问题——旅行商问题。本文将介绍TSP的基础知识，并使用MTZ消除子环方法优化一个简单的TSP问题的示例。
  • 01.19 18:39:31
    发表了文章 2024-01-19 18:39:31

    「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。
  • 01.12 16:26:14
    发表了文章 2024-01-12 16:26:14

    「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。
  • 01.05 18:25:11
    发表了文章 2024-01-05 18:25:11

    MindOpt APL建模语言自定小义函数的重要性和示例

    在编程和建模语言中，函数是一段独立的、可重复使用的代码块，用于执行特定任务。在MindOpt APL中，自定义函数的使用非常重要，因为它们提高了建模过程的效率、可读性和灵活性。
  • 12.29 15:06:31
    发表了文章 2023-12-29 15:06:31

    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。
  • 发表了文章 2024-08-09

    光储荷经济性调度问题【数学规划的应用（含代码）】阿里达摩院MindOpt

  • 发表了文章 2024-08-09

    切割问题【数学规划的应用（含代码）】阿里达摩院MindOpt

  • 发表了文章 2024-08-09

    智慧楼宇多目标调度问题【数学规划的应用(含代码)】阿里达摩院MindOpt

  • 发表了文章 2024-08-09

    网络流问题--仓储物流调度【数学规划的应用(含代码)】阿里达摩院MindOpt

  • 发表了文章 2024-07-19

    网络流问题--交通调度【数学规划的应用(含代码)】阿里达摩院MindOpt

  • 发表了文章 2024-07-12

    人员排班【数学规划的应用(含代码)】阿里达摩院MindOpt

  • 发表了文章 2024-07-08

    排产排程问题【数学规划的应用（含代码）】阿里达摩院MindOpt

  • 发表了文章 2024-06-28

    仓库选址问题【数学规划的应用(含代码)】阿里达院MindOpt

  • 发表了文章 2024-06-21

    【FlowShop流水线作业排班问题【数学规划的应用(含代码)】阿里达摩院MindOpt】

  • 发表了文章 2024-06-14

    支持向量机(SVM): 从理论到实践的指南（2）

  • 发表了文章 2024-06-07

    支持向量机(SVM): 从理论到实践的指南（1）

  • 发表了文章 2024-05-31

    MindOpt不联网License，可直接在阿里云线上购买了

  • 发表了文章 2024-05-24

    选择优化求解器的关键因素：以MindOpt为例

  • 发表了文章 2024-05-17

    如何用算法规划完美的相亲假期 - 小美的春节排班挑战

  • 发表了文章 2024-05-15

    解决背包问题：组合优化的应用与建模方法

  • 发表了文章 2024-05-15

    智能解决装箱问题：使用优化算法实现高效包装

  • 发表了文章 2024-05-15

    MindOpt APL向量化建模语法的介绍与应用（2）

  • 发表了文章 2024-05-15

    MindOpt APL 最新版本功能介绍，并且开放下载使用了！

  • 发表了文章 2024-05-15

    MindOpt APL向量化建模语法的介绍与应用（1）

  • 发表了文章 2024-05-15

    了解MindOpt优化求解器的各种调用方式、方法

正在加载, 请稍后...
滑动查看更多
  • 回答了问题 2024-07-18

    MindOpt求解器有哪些优势？

    技术特点： ○ 求解器运算快 ○ 解的质量好 ○ 可求解的问题规模大 ○ 适用问题类型广使用方式：● 使用环境，目前支持： ○ 命令行和C、C++、Python、JAVA、C# 语言的API调用； ○ 可在Windows，MacOS和Linux系统下安装使用● 关于问题模型的输入，目前支持： ○ 支持 .mps、.lp 和 .nl格式标准文件输入 ○ 也支持建模语言调用输入：Pulp, Pyomo, AMPL, GAMS, 和MindOpt自研建模语言 ○ 或API建模传数据● 关于建模的分析，当前支持：对偶解、约束冲突分析。授权方式灵活：方案1：Floating License方案 方案2：单机机器ID绑定方案 ●如公有云上，阿里云用户请根据用阿里云鉴权账号来获取授权和配置授权LicenseKey填写文件fl_client.ini，与阿里云账号绑定。● 也可以在用户私有化集群中部署一台license Server，这台Server根据机器ID鉴权，其他的使用者根据填Server分发的LicenseKey码来鉴权，使用者的电脑只需要能和Server网络通信就可以。 ●线下不联网的版本采用的是mindopt.lic文件，是本地鉴权作用，与机器ID绑定。 注：● 这两种方式的求解都是在安装求解器的机器上执行，优化问题的数据不会上传到鉴权的Server● 多个授权文件同时存在的时候，先验证mindopt.lic的。
    踩0 评论0
  • 回答了问题 2024-07-18

    pulp好像不支持调用mindopt，也搜索不到mindopt_pulp这个模块，为什么？

    https://opt.aliyun.com/doc/mindopt/latest/cn/html/modeling%20language/modeling%20language-pulp.html我们导入模块的格式没有做成上面输入的样式，具体样式可以参考这个文档
    踩0 评论0
  • 回答了问题 2024-07-18

    设置了计算时间限制后，到时间就直接终止了，然后我想去输出结果也会报错，请问这种情况要怎么处理？

    超时会抛异常，可以捕获(处理)下异常再获取
    踩0 评论0
  • 回答了问题 2024-07-18

    本地跑的话，可以配置最大求解时间之类的这些参数吗？

    ● 这个格式为命令行求解时配置参数的格式，如使用编程语言的话，将对应的api在建模时输入即可https://help.aliyun.com/zh/optimization-solver/getting-started/activate-and-use-the-service● API文档：https://opt.aliyun.com/doc/latest/cn/html/API2/index.html
    踩0 评论0
  • 回答了问题 2024-07-18

    为什么相比高并发通用版（最高并发上限2000），但价格却比单机不限并发版本要高一倍，具体如何理解?

    高并发版本是基础有8并发（计费相当于最底线是8并发），然后可以应对突然变大的需求，最高服务器可以动态扩容支持到2000并发。 “单机”不限并发，是单机，会受限于一台机器的使用上限，不可换机器。高并发是Floating License，可以任意换机器（没有限制），方便一个公司里面多个员工一起用。
    踩0 评论0
  • 回答了问题 2024-07-18

    在Mindopt使用中，出现409错误。经查问，409错误是说井发数不够。怎么解决？

    并发数的概念是： 允许同时运行的求解任务并发进程数。并不是使用的机器个数，因此使用使用时请注意及时释放。○ 程序中可尝试类似try catch的方式，确保遇到异常时，能够执行dispose来解除鉴权（C++不需要），释放占用的并发数。○ 如果程序异常退出且没有正常释放，或者命令行运行求解任务中途退出，服务端将会在10分钟连续无心跳连接时释放并发数。（参考文档：https://help.aliyun.com/zh/optimization-solver/developer-reference/license-description#87bda77b05963 ）○ 另外，还需要关注您的程序是否做了多任务同时运行，发起了多并发任务。可以做一个错误码处理，遇到409的时候等待执行。 我们MindOpt优化求解器，自2021年开始在阿里云公有云公测，于23年底公测期已结束，在逐步上线商业化期的收费商品。○ 同时，我们也向公司申请，给每个阿里云用户，长期免费额度： 1并发 （商业和非商业用户均可用）。为不浪费资源，需要用户每隔3个月在网页点击续购。○ 请根据您的需求判断是否要购买。售卖方式上，我们是全球唯一一个“按天零售”的求解器，方便用户可以低成本地按需购买。定价文档>>
    踩0 评论0
  • 回答了问题 2024-07-18

    我最近使用了MindOpt,对于MindOpt仍存在一些问题，想咨询一下，怎么解决？

    ● 1.1图神经网络的应用非常广泛，不仅可以用在预求解器中提供好的初值，还能在多种领域中实现结构化数据的有效分析和预测。● 1.2您的理解是正确的。在某些优化问题中，确实可以使用图神经网络（Graph Neural Networks, GNNs）来预测一个合适的初始解，然后使用更传统的优化算法（如单纯形法）来求解问题。GNNs非常适合处理具有图结构的数据，并且能够捕捉到节点之间的复杂相互关系。● 2.license是来管理用户的使用权限，鉴权服务● 3.如果您的问题规模小于三百（变量约束），可以不使用鉴权服务
    踩0 评论0
  • 回答了问题 2024-07-18

    求解器本地鉴权方式，集群部署ip不固定怎么配置？

    ● 1. 采用云鉴权的时候，（阿里云商品有提供 0元 购买的免费版） 只需要再要运行的机器上放置License文件 fl_client.ini 即可，多台机器共用同一个License文件，不受机器数限制，受购买的并发数限制。● 2. 采用不联网的鉴权：（下面这两种方式都是收费版） A. 单机本地鉴权，仅与机器的机器ID有关，与网络IP无关，一个机器ID需要一个License文件 mindopt.lic。 不能获取到机器ID的虚拟机环境，无法用此License。 B. 同上面云鉴权的方式部署，一个节点用于部署License服务（能获取机器ID），任意连这台机器的环境的机器均可使用此服务发放的License， fl_client.ini。
    踩0 评论0
  • 回答了问题 2024-07-18

    请问mindopt 支持在函数计算中调用吗？

    求解器相当于一个lib库，可以导入函数计算中使用的
    踩0 评论0
  • 回答了问题 2024-07-18

    请问一下，如何给变量增加初始化的值？我看这个函数不支持

    MIP 的是设置 start属性 ：https://opt.aliyun.com/doc/latest/cn/html/API2/attr/index.html#start
    踩0 评论0
  • 回答了问题 2024-07-18

    请问一下，构造百万级别的这种格式，有什么简单的方法，有大佬有经验么？简单的优化问题

    NumPy 是 Python 中用于数值计算和科学计算的基础库。它提供了高性能的多维数组对象，以及操作这些数组的工具。求解器API支持numpy的，可在examples文件夹查找
    踩0 评论0
  • 回答了问题 2024-07-18

    请问这个报错怎么解决？

    第二行是输出的结果文件和模型文件的存放地址，应该是没有“model”文件夹导致的。
    踩0 评论0
  • 回答了问题 2024-07-18

    1个并发是指每次只能算一个吗？

    是的，1并发同时只能算一个优化任务，如果上一个没有算完或者异常结束没有运行结束的指令，会占用并发数。
    踩0 评论0
  • 回答了问题 2024-07-18

    用langchain将mindopt和qwen大模型可以结合m吗？

    这个是不行的，需要开发建模转换
    踩0 评论0
  • 回答了问题 2024-07-18

    请问LangChain框架可以集成mindopt吗？

    MindOpt相当于一个库，可以很自由地import。 langchain怎么结合我们这边没试过，理论上可行。
    踩0 评论0
  • 回答了问题 2024-07-18

    请问QWEN-72B和求解器如何结合一起使用以及开发的？

    可以看看之前发的这个创空间代码，将MindOpt求解器作为一个数学计算工具来用。https://modelscope.cn/studios/wuyoy520v01/MindOpt_Cases/files
    踩0 评论0
  • 回答了问题 2024-07-18

    想做一个分配问题，需要一个方差函数，有吗？

    如果是要二次项 现在我们MindOpt只支持目标里面的二次项。 如果要二次约束项，可以用建模语言写了换其他求解器来算，参考：《MindOpt平台上的各种求解器用法》https://opt.aliyun.com/example/vqaeimyI3iEj
    踩0 评论0
  • 回答了问题 2024-07-18

    想问下MILP模块里的gap是如何定义的呢？

    https://opt.aliyun.com/doc/latest/cn/html/API2/param/index.html#double调用方式代码看这个章节前面
    踩0 评论0
  • 回答了问题 2024-07-18

    MIP/AutoConfiguration效果和tuner一样吗？

    tuner调参器更适合特定类型的模型，或者在某些情况下需要微调参数以获得最佳性能。MIP/AutoConfiguration则在求解器首次遇到某一类问题时提供良好的初始参数配置。tuner调参器会更加详细和深入地检查可能的参数组合。
    踩0 评论0
  • 回答了问题 2024-07-18

    mindopt可以通过什么方式自动优化参数呢？

    这个自动优化参数王这边提供三个思路：我们的tuner调参器（线下版本），或者通过回调函数在求解过程中插入自定义的逻辑来改变参数，或者通过分支定界法动态地根据当前解的进展自动地调整参数（MILP支持）MindOpt 还有一个自带的参数 MIP/AutoConfiguration ，开启这个参数，会开启MindOpt内置的自动设置参数的流程
    踩0 评论0
正在加载, 请稍后...
滑动查看更多
正在加载, 请稍后...
暂无更多信息