EAGO.jl: easy advanced global optimization in Julia
EAGO.jl: easy advanced global optimization in Julia
复制标题
EAGO.jl：Julia 中的简单高级全局优化
DOI：
10.1080/10556788.2020.1786566
复制
发表时间：
2020
影响因子：
2.2
通讯作者：
Stuber, M. D.
中科院分区：
文献类型：
--
作者：
Wilhelm, M. E.;Stuber, M. D.
提出了一个完全用Julia语言编程的可扩展的开源确定性全局优化器（EAGO）。EAGO的开发是为了满足在优化模型中支持更高复杂度的用户定义函数（例如，通过算法隐式定义的函数）的需求。EAGO在Evaluator结构中嵌入了McCormick算法的第一种实现，允许使用源代码转换，多重分派和上下文特定方法的组合来构建凸/凹松弛。实用程序包括解析用户定义的功能到一个有向无环图表示，并执行符号转换，使显着提高解决方案的速度。EAGO与各种局部优化器兼容，这是最详尽的超越函数库，并允许通过JuMP建模语言轻松访问。加上Julia的极简主义语法和有竞争力的速度，这些强大的功能使EAGO成为一个多功能的研究平台，可以轻松构建新的元求解器，合并和利用新的松弛，并扩展到工程和运筹学中遇到的高级问题公式（例如多级问题，用户定义函数）。这个新的软件的适用性和灵活性证明了一组不同的例子。最后，EAGO被证明可以在基准测试集上执行最先进的商业优化器。
An extensible open-source deterministic global optimizer (EAGO) programmed entirely in the Julia language is presented. EAGO was developed to serve the need for supporting higher-complexity user-defined functions (e.g. functions defined implicitly via algorithms) within optimization models. EAGO embeds a first-of-its-kind implementation of McCormick arithmetic in an Evaluator structure allowing for the construction of convex/concave relaxations using a combination of source code transformation, multiple dispatch, and context-specific approaches. Utilities are included to parse user-defined functions into a directed acyclic graph representation and perform symbolic transformations enabling dramatically improved solution speed. EAGO is compatible with a wide variety of local optimizers, the most exhaustive library of transcendental functions, and allows for easy accessibility through the JuMP modelling language. Together with Julia's minimalist syntax and competitive speed, these powerful features make EAGO a versatile research platform enabling easy construction of novel meta-solvers, incorporation and utilization of new relaxations, and extension to advanced problem formulations encountered in engineering and operations research (e.g. multilevel problems, user-defined functions). The applicability and flexibility of this novel software is demonstrated on a diverse set of examples. Lastly, EAGO is demonstrated to perform comparably to state-of-the-art commercial optimizers on a benchmarking test set.
登录
查看更多内容
影响因子：
1.6
作者：
F. Domes;A. Neumaier
通讯作者：
A. Neumaier
SYMPHONY：分支和剪切的并行框架
DOI：
--
发表时间：
1999
期刊：
影响因子：
--
作者：
T. K. Ralphsyand;L. Ladanyiz
通讯作者：
L. Ladanyiz
DOI：
--
发表时间：
2015
期刊：
Optim. Methods Softw.
影响因子：
--
作者：
M. D. Stuber;Joseph K. Scott;P. I. Barton
通讯作者：
P. I. Barton
使用 McCormick 松弛在缩小的空间内确定性全局优化工艺流程
影响因子：
1.8
作者：
D. Bongartz;A. Mitsos
通讯作者：
A. Mitsos
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
M. D. Stuber
通讯作者：
M. D. Stuber