Juniper：Julia 中的开源非线性分支定界求解器
最优化与控制
2018-06-27 v1
摘要
非凸混合整数非线性规划（MINLPs）代表了一类具有挑战性的优化问题，常出现在工程与科学应用中。由于非凸性，这些规划通常用全局优化算法求解，其可扩展性有限。然而，非线性分支定界近来被证明是快速为大规模非凸 MINLPs（如基础设施网络优化中出现的那些）寻找高质量解的有效启发式方法。本文提出 Juniper，一个基于 Julia 的用于非线性分支定界的开源求解器。利用高级 Julia 编程语言使得修改 Juniper 算法和探索扩展（如分支启发式、可行性泵和并行化）变得容易。详细的数值实验表明 Juniper 的初始发布版本与其他非线性分支定界求解器（如 Bonmin、Minotaur 和 Knitro）相当，说明 Juniper 为在非凸 MINLPs 中将非线性分支定界算法用作启发式方法的进一步探索提供了坚实基础。
引用
@article{arxiv.1804.07332,
title = {Juniper: An Open-Source Nonlinear Branch-and-Bound Solver in Julia},
author = {Ole Kröger and Carleton Coffrin and Hassan Hijazi and Harsha Nagarajan},
journal= {arXiv preprint arXiv:1804.07332},
year = {2018}
}
备注
CPAIOR 2018