Gurobi 13.0.0 最新

Gurobi 13.0 专为需要更快、更大规模和更灵活的用户设计。它增加了突破性功能——比如我们为大规模LP实现的PDHG实现，以及现已支持的新非线性势垒方法——同时提升了MIP和MINLP的日常性能。

你会发现运行时间更短，对启发式的控制更好，回调更智能，以及更强大的解决方案池工具。对于像能源和化学这样非线性重的领域，这开辟了新的可能性。对于大规模优化，GPU加速和Kubernetes自动扩展为你带来了全新的性能和可扩展性。

新功能

除了性能提升，Gurobi 13.0还包含了多项令人兴奋的新特性：

Gurobi 优化器

更快的核心求解器——在困难的MIP模型上平均快了16%，在非平凡的MINLP上快了2倍以上。

PDHG实现——快速解决大规模LP，支持CPU和GPU*。

新的非线性障碍法——在更短时间内获得非线性问题的局部最优解。**

改进启发式——通过NoRel的改进（现在支持可变提示和新的停止控制）加速决策。

更智能的工具——利用新的非线性函数、回调改进、解决方案池属性和多目标报告。

Gurobi 13.0 中的新增、变更与移除

发行亮点

Gurobi V13 在多种车型上提供了性能提升 尤其是MIP和MINLP上的家庭。没有参数设置或应用代码 要从这些性能提升中受益，必须进行变更。这 这些改进的细节将在测试期后公布。

一种新的非线性障碍法被包含在 Gurobi V13作为预览功能。该求解器使得 非凸连续模型的局部最优解比全局模型更快 求解。

新增了原始-双重混合梯度（PDHG） 我们用于解决线性规划（LP）的算法套件。默认情况下， 它会在CPU上运行，但有可选的GPU加速功能。

新功能

NL障碍法用于局部最优解NLP问题

重要

我们认为这是本次发布中的预览功能。这意味着 它经过全面测试和支持，但很可能会经历重大挑战 后续Gurobi技术或重大版本的变更，可能 包括 API、行为和打包的破坏性变更。

你现在可以让Gurobi帮你找一个局部最优解来解决你的非线性问题 连续优化问题（NLP）。它将通过 障碍算法。

对于没有离散元素的问题（如整数变量，SOS 约束或分段线性函数），该求解器可能更适合 当全局MINLP求解器耗时过长时;例如，由于 变量和/或约束数量众多。它并不保证全球范围内 最优解，除非问题是凸的。相反，它会寻找可行性 对于目标值无法通过小的求解 优化变量的变化。这些局部最优通常为 计算速度更快，且在许多情况下足够，尤其是在 目前已有良好的初步最优解猜测。

已添加LOCALLY_OPTIMAL和LOCALLY_INFEASIBLE的优化状态码以表示 非线性障碍算法的可能结果。

你可以通过将OptimalityTarget设置为1来启用该求解器， 你可以通过设置参数NLBarIterLimit、NLBarCFeasTol、NLBarDFeasTol和NLBarPFeasTol来调整算法的行为。

成功优化运行后，你可以获得迭代次数 NL障碍方法通过查询NLBarIterCount属性实现。

PDHG 算法

原始-对偶混合梯度（PDHG）已被加入我们的算法套件 用于求解线性规划（LP）。

你可以在解LP或MIP时启用这个求解器 将方法参数设为（6）， 你可以通过设置参数PDHGAbsTol、PDHGConvTol、PDHGRelTol和PDHGIterLimit来调整算法的行为。GRB_METHOD_PDHG

成功优化运行后，你可以获得迭代次数 该PDHG通过查询PDHGIterCount属性来执行。

上一条：购软平台是Gurobi授权网站

下一条：gurobi求解器原理