Optimization 为优化问题选择求解器和建模语言

我目前使用R的lp_solve来解决相当大但稀疏的LPs/IP，用于规划/优化以及工作中出现的其他运筹学方面的问题

广义地说，它工作得很好，我喜欢在R中工作，但是我知道我们所考虑的模型至少需要在性质上是二次的，一般是非凸的。 我想知道这个领域的行业标准是什么：我是否应该超越AMPL/CPLEX组合，在那里投入一些时间？ 其他问题： GAMS/AMPL中哪一个是更好的选择？两者都不精通，但知道我在功能上需要什么：例如稀疏矩阵支持

---

对于非常大的LPs/QPs/IP，CPLEX在集群间的扩展能力如何？有多少曲线可以设置/运行这样的群集？

您也可以尝试在www.or-exchange.org上发布您的问题。请注意，如果您使用非线性，您建议至少使用二次曲线，并且可能是非凸曲线，则您对解算器的选择会有所减少。CPLEX，Gurobi等不做一般的非线性，我认为只是二次和SOCP。此外，一旦引入二次项，您通常会在性能和/或问题规模方面受到很大影响-例如，在一个案例中，我已经看到，仅将二次项添加到模型中就有3个数量级的差异。有关AMPL和GAMS的比较，请参阅@grendelsdad：感谢您的指针，将发布there@TimChippingtonDerrick：注意，谢谢：似乎要坚持在LP模型中添加更多类型的约束。