GAMS支持的模型類型
GAMS能夠以多種不同的問題分類類型來公式化模型。這意味著從一個模型類型跳轉到另一個將毫不費力。您甚至能夠同時在不同的模型類型中使用相同的數據,變量和方程式。
GAMS支持下列基本的模型類型:
LP 線性規劃、MIP混合整數規劃、NLP非線性規劃、MCP混合互補問題、MPEC帶方程式約束的數學規劃、CNS受約束的非線性系統、DNLP帶非連續導數的非線性規劃、MINLP混合整數非閑心規劃、QCP二次約束規劃、MIQCP混合整數二次約束規劃
GAMS/BASE
基礎模型包括GAMS語言編輯器和一系列系統:執行系統、GAMSID(Windows)、系統文檔化、模型庫、轉換工具、UNIX和GDX功能、COIN-OR、MILES、NLPEC以及在其他一些低版本中所有模塊。
GAMS/AlphaECP
GAMS/AlphaECP是MINLP(混合整數非線性規劃)求解器,基于擴展的截平面(ECP)方法。GAMS/AlphaECP可以應用到一般的MINLP問題和全局優化解決方案中,以確保偽凸MINLP問題。
GAMS/BARON
BARON(分支減少優化導航)是一個解決從非凸優化問題到全局優化的計算系統。純粹的連續非線性規劃(NLPs)、純整數和混合整數非線性規劃(MINLPs)都可以用GAMS/BARON來解決。
GAMS/CONOPT
GAMS/CONOPT跟MINOS以及其他GAMS中解決非線性問題的求解器的功能類似。多元非線性求解器的可用性可在增加非線性建模的整體有效性中體現出來。CONOPT是多方法求解器,它和其他的GAMS NLP求解器往往相得益彰。如果一個求解器不能工作,其他的同功能求解器就會解決這個模型。如果所有的求解器都不能工作,那就說明這個模型非常的復雜,需要手動地進行建模操作。
GAMS/CPLEX
GAMS/CPLEX是功能強大的線性規劃(LP)、混合整數規劃(MIP)、二次約束規劃(QCP)、二階錐規劃和混合整數二次約束規(MIQCP)求解器。包含了先進的單純和障算法并可以在不同的平臺上運行。
以下算法可以解決LP模型:原始單純形算法、二元單純形算法、網絡算法、障算法、篩選算法。
CPLEX是運行非常穩定的LP求解器,默認的設置都能使您得到理想的解決方案,如果您想重置算法選項來提高性能,CPLEX可提供一個選項文件來調整參數。
GAMS/DECIS
GAMS/DECIS可解決大規模的隨機規劃問題,采用Benders分解和利用Monte Carlo抽樣方差減少技術的重要性采樣或控制變元。DECIS包含各種策略的解決方案,并能解決大量隨機參數的問題。在解決問題和子問題時,它可以跟MINOS或CPLEX求解器接口使用
GAMS/DICOPT
DICOPT是解決MINLP(混合整數非線性規劃)模型的框架。GAMS/DICOPT使用了標準的GAMS MIP和求解器可解決由算法產生的MIP和NLP問題。也就是說如果您要使用DICOPT求解器,您必須要有一個GAMS MIP求解器(GAMS/CPLEX,GAMS/XA或GAMS/XPRESS)和一個GAMS NLP求解器(GAMS/CONOPT,GAMS/MINOS或GAMS/SNOPT)。
GAMS/GUROBI
GUROBI包含先進的單純線性規劃(LP)和混合整數規劃(MIP)功能。GUROB求解器包含共享內存并行以及同時使用任意幾個處理器和每個處理器核心數量的能力。
GAMS/KNITRO
KNITRO可找出有約束或沒有約束的持續、平穩的非線性優化問題的解決方案。盡管KNITRO主要用于解決大規模的一般非線性問題,但也可以解決下面這些光滑優化問題:
不受約束
約束限制
等式約束
系統的非線性方程
線性規劃問題(LPs)
二次規劃問題(QPs)
一般(不平等)的約束問題
KNITRO功能特征如下:
對小型和大型的問題提供了有效的解決方案
自由衍生功能,第一衍生和第二衍生選項
內點(屏障)和主動設置優化
可行和不可行的情況
反復和直接的方法計算步驟
KNITRO用先進的內點和主動設置方法解決非線性規劃問題
GAMS/LGO
LGO求解器結合了全球和區域范圍的算法,在極小的分析假設情況下分析和解決復雜的非線性模型。使用LGO求解器,只需要可計算的函數值,不需要梯度或高階信息。LGO可被用于幾種搜索模式,給廣泛的非線性模型提供強大、有效和靈活的求解組合方法。求解組合方法提高了整體方案處理的可靠性。
LGO求解器的功能:
分支定界的全局搜索
全局自適應隨機搜索
多起點全局搜索
精確罰函數的本地搜索
約束局部優化
說明性應用領域:先進的工程設計、計量經濟學和財政、醫學研究和生物技術、化工和加工工業、科學模型。
GAMS/LINDOGlobal
LINDOGlobal可用連續和離散變量的全局優化解決方案處理一般非線性問題。LINDO全局優化程序(GOP)引用了分支切割法把一個NLP模型切割可找出一個優化方案,或c)這個子問題再被切割成兩個或三個子問題。
GAMS/MINOS
GAMS/MINOS是GAMS系統中極早的NLP求解器,現在的使用頻率也是極高的。利用模型的稀疏和高效、可靠的下梯度法解決線性約束模型。用線性約束和增強Lagrangia目標函數來重復解決方案對非線性模型是可行的。MINOS和CONOPT是相輔相成的,并且引用不同的算法。
GAMS/MOSEK
MOSEK可解決線性、混合整數線性、凸非線性數學優化問題。使用非常有效的內點算法解決大型線性規劃。內點算法有很多復雜的求解選項,用戶可以指定給哪個模型微調優化器。MOSEK能解決涉及非線性錐約束和凸非線性規劃的廣義線性規劃,這些問題用MOSEK內置的優化器就可以解決。MOSEK內置的所有優化器可解決大型稀疏問題。
現有的優化器包含:
連續問題的內點優化器
圓錐二次優化問題的圓錐內點優化器
線性問題的單純形優化器
基于分支和削減技術的混合整數優化器
GAMS/MPSGE
MPSGE是一般均衡分析的數學規劃系統。MPSG實際上是一個函數庫和Jacobian評價系統,可方便AGE模型的制定和分析。MPSGE簡化了模型處理,任何對這些模型感興趣的經濟學家都可以訪問AGE模型。另外,解決具體模型問題時,MPSGE可作為一個結構框架模型,處理一般均衡模型。MPSGE需要GAMS/BASE模型,包含MILES MCP求解器,可選擇性使用PATH MCP求解器。
GAMS/MSNLP
MSNLP(多起點NLP)是另一個隨機搜索算法解決全球優化問題。跟OQNLP類似,MSNLP使用一個點發生器給本地NLP求解器創建候選起點。算法性能完全取決于起點發生器。MSNLP實現一個發生器創建均勻分布的點和智能隨機生成器。這個生成器可用一個初步搜索在隨機起點集中的地方定義可能發生的區域。兩種智能隨機變化近來才實現,一種用于單變量正態分布,另一種用于三角分布。
MSNLP包含了本地NLP求解器LSGRG,是全局分析包的一部分。
GAMS/OQNLP
OQNLP是連續變量或離散變量混合的光滑約束問題的全局優化求解器。通過調用眾多的出發點,OQNLP提高了所有NLP求解器的可靠性。當您用現有的NLP求解器不能解決時,可以試試OQNLP求解器。OQNLP也包含了本地NLP求解器LSGRG,擁有OQNLP許可證的用戶還可以使用MSNLP求解器。
GAMS/PATH
PATH求解器用于MCP模型,基于牛頓理論,這個強大的技術結合眾多有效變量,擴展和增強功能。作為GAMS的子系統,提供了強大的工具來解決大型和復雜模型的互補性和平衡建模。GAMS/PATH包含了NLP求解器PATHNLP。
GAMS/SBB
SBB解決混合整數非線性規劃(NINLP)模型的求解器。它基于混合整數線性規劃的標準分支定界法和GAMS已支持的標準NLP求解器。
GAMS/SNOPT
GAMS/SNOPT是新的大型連續二次規劃求解器(SQP)。SNOPT是一個通用系統,可解決跟變量和約束相關的優化問題。它極大限度的減少了線性或非線性函數接受的變量和稀疏線性或非線性約束邊界。SNOPT適合解決大型線性、二次規劃、線性約束優化以及一般非線性規劃的問題。SNOPT使用序列二次規劃(SOP)算法,從二次序列規劃子問題中獲得搜索方向。如果一些變量進入非線性或很多活躍的約束(包含簡單的約束)多到跟變量數一樣的時候,SNOPT就是極為有效的求解器。
GAMS/XA
GAMS/XA是線性和混合整數問題的求解器。
GAMS/XPRESS
GAMS/XPRESS求解器只有跟GAMS建模系統結合時才運行。GAMS/XPRESS是一個多功能、高性能的優化系統,結合了一個強大的單純LP求解器、一個整數規劃問題的MIP模型和一個屏障模型,用先進的內點算法解決大型的LP問題。