【阿里云】优化求解器

优化求解器产品是求解优化问题的专业计算软件，技术来自达摩院决策智能实验室的MindOpt Solver。可广泛应用于云计算、电力能源、工业制造、交通物流、零售、金融等领域，能帮助做方案设计、生产方案优化、资源合理分配、辅助决策等，是深埋于智能决策场景底层的“降本增效”的好工具，工业设计软件之芯。

产品优势

高速优解
求解器运算快、求解质量优

适用类型广
可求解的问题规模大、适用问题类型广

授权方式灵活
可通过阿里账号云端授权，在本地运行求解器

产品功能

当前上线了线性规划（LP）模块，支持 C、C++、Python、Java 语言

数学规划求解
用于求解数学规划问题，即目标、变量、约束可用量化公式来定义的数学规划问题，如线性规划、非线性规划、混合整数规划等。本期上线公测的能力是线性规划，后续会不断更新版本，欢迎关注软件的更新。

黑盒优化
用于求解复杂的、目标函数不可解析或者约束等不好量化描述的优化问题，如仿真系统，通过获取不同控制参数(输入变量)对应的系统表现，来推断和搜寻优化解。可用于强化学习策略搜索、工业冶炼方案设计、计算资源额度预算优化等。

在线优化
面向包含未知信息的现实世界系统，在系统运行中进行优化。适用于线上的商品系统，如电商网站、视频网站、广告网站等场合下的：素材优选、新品推荐、流量调控、在线权益智能发放等。

应用场景

优化求解器属于底层技术软件，在各个行业均有应用

电力能源
在电力能源行业，利用优化技术可以对电网系统进行合理优化，如根据需求优化发电机出力启停、新能源场站规划等，降低电能损耗、合理调节输、配、用电网，使其经济和稳定地运行；也能在生产端，更合理地辅助规划场站建设、资源利用方案等。

应用示例
电网调度
市场出清
发电计划
新能源场站规划
海底布线

工业制造
优化技术在工业制造领域应用广泛。很多工业设计软件的内核都需要优化技术，帮助产出合适的设计方案；在生产环节里如何有效地利用生产资源、时间、人力、仓储流转、库存等也是一直难点，需要优化技术来降本增效。利用优化求解器解决问题的思路，建模业务问题，计算出最优的解决方案，能有效地帮助企业降本增效。

应用示例
冶炼工艺优化
布料裁剪布局优化
排产排程
人员排班
原材料进出货计划

金融
优化求解器是资源分配的好工具，在金融行业，可利用优化技术，合理分配资金的使用，使得规则满足度高和整体收益增加。且MindOpt优化求解器计算速度更快，如在金融资金分配场景，MindOpt使得求解环节的耗时占比大幅度降低，不再有明显瓶颈。

应用示例
投资分配
保险额配置
量化投资

电商零售
在零售行业，优化技术可以有效地应用在选品、销售、售后等环节，特别是线上电商的营销方案设计。如商品采用什么样的介绍图片或者文案能更吸引人，可以用在线优化技术来优化商品介绍页的设计，智能圈选客群。

应用示例
营销计划和定价优化
选品优化
商品介绍素材优化
售后赔付优化
用户推流优化

供应链
优化技术深入在供应链的各个环节。供货端的需求计划、出货端的库存和价格调整、配送货端的仓储路由规划等，都需要优化技术来帮助提供决策方案和降本增效。比如仓库规划和布局，需要综合考虑节省建设投资、物品兼容性、货物摆放原则、合理搭配原则、保持通道畅通等来打造一个功能齐全、设施完善的仓库是仓库运作的基础，各种规则的匹配和优化，需要优化技术来辅助决策。

应用示例
仓库选址
补货优化
供销协同
人员排班

云计算
优化技术可用于云计算领域，进行云计算资源的合理备货、分配和调度等。在阿里云计算资源调度场景里，每年可节省成本数亿元。

应用示例
任务调度
资源分配
资源需求预估

学习案例

阿里云天池平台上线了【免费案例】和【源码】，帮助您快速了解求解器的作用、学习业务问题的用求解器的建模方法、熟悉使用求解器的代码
【LP专题-1】你已经会用运筹学-线性规划
线性问题是运筹学中最简单的一类问题，线性规划是实际中应用最广泛的运筹知识。我们都可能用过线性规划的方法，只是不知道这些就是数学上说的“线性规划”。

【LP专题-2】营养调配：如何吃少花钱又营养丰富
营养调配问题的目标是利用优化模型来设定每日饮食菜单，在满足各类营养的需求同时更能优化总成本。（内含12个C、C++或Python代码）

【LP专题-3】生产调度：Flow Shop 调度优化下界估计问题
Flow Shop 是调度领域中的经典模型：给定一组机器和一批工件，要求解的决策是工件之间的先后顺序，优化的目标为完成所有加工的时间（降低成本）。

【LP专题-4】广告流量分配：曝光和转化均衡
在很多视频在线流量调控场景，需要在保证每个视频内容播放量的同时，使得播放总量最大化。如广告、通知、宣发内容等。

【LP专题-5】鲁棒线性回归-预测
回归是一种建立自变量x（向量）和相关变量y（标量）之间关系的预测技术。线性回归通常可以用线性函数 y = < a,x > + b 来描述，我们可以估计出 a 和 b 的值。

【LP专题-6】机器学习：带有L1正则项的SVM多分类问题
分类是机器学习领域中最基本的任务之一。其目的是建立输入向量x与分类变量y之间的映射关系。例如把一张张图片根据其内容分类为"动物"，"植物"等类别。