সীমাবদ্ধ অপ্টিমাইজেশনের জন্য সফ্টওয়্যার প্যাকেজ?


21

আমি একটি সীমাবদ্ধ অপ্টিমাইজেশান সমস্যাটি সমাধান করতে চাইছি যেখানে আমি কয়েকটি ভেরিয়েবলের সীমানা জানি (বিশেষত একটি বক্স সীমাবদ্ধ)।

argminuf(u,x)

বিষযে

ডি ( ইউ , এক্স ) বি

c(u,x)=0
ad(u,x)b

যেখানে u ডিজাইন ভেরিয়েবলের ভেক্টর, x হ'ল রাষ্ট্র ভেরিয়েবলের ভেক্টর এবং c(u,x) একটি সমতা সীমাবদ্ধতা (সাধারণত একটি পিডিই)। নিম্ন এবং উপরের সীমাবদ্ধতা a এবং b স্থানিকভাবে পরিবর্তনশীল হতে পারে।

কোন প্যাকেজগুলি এই ফর্মের সিস্টেমগুলি পরিচালনা করতে পারে?


1
সম্পাদিত সংস্করণটি বক্স-সীমাবদ্ধ অপ্টিমাইজেশান সমস্যার মতো দেখাচ্ছে না। একটি বাক্স-সীমাবদ্ধ অপ্টিমাইজেশান সমস্যার সীমাবদ্ধতা হিসাবে aub । হয় u একটি ফাংশন হতে অনুমিত x ? Is c রৈখিক মধ্যে u ? যদি তা না হয় তবে এটি কি দ্বিগুণ-পার্থক্যযোগ্য? কি f মধ্যে উত্তল u ? এটা দুবার-differentiable হয় u ? অবশেষে, argminu পয়েন্ট সেট উল্লেখ করে u যা ন্যূনতম মান f সাধিত হয়। আপনি কি এর পরিবর্তে \ min_ {u mean বোঝাতে চান minu?
জিওফ অক্সবেরি

d(u,x)=u হ'ল একটি বিশেষ কেস, তবে এই আরও সাধারণ ফর্মটি বাস্তবে বাস্তবে প্রচলিত। আপনি সর্বদা অতিরিক্ত ভেরিয়েবল পরিচয় করিয়ে যদি আপনার পদ্ধতিটি কেবল সরাসরি সীমাবদ্ধতা সাথে মোকাবিলা করতে পারেন u । আমরা সাধারণত মান আরও আগ্রহী u যা কমপক্ষে সর্বনিম্ন মান তুলনায় সাধিত হয় f । শন [pde] ট্যাগ যুক্ত করেছেন, যাতে আপনি এটি থেকে কিছুটা নিয়মিততা পেতে পারেন। সিস্টেমটি হাইপারবোলিক কিনা তা তিনি উল্লেখ করেননি, সুতরাং ধরে নেওয়া যাক না। আসুন ধরে নিই নি যে f উত্তল, কারণ এটি প্রায়শই হয় না।
জেড ব্রাউন

এটা বেশ সাধারণ ব্যাপার জন্য f জড়িত L1 বা W1,1 , নিয়মিতকরণ তাই আমরা দুই ডেরাইভেটিভস অনুমান করা উচিত নয়।
জেড ব্রাউন

@ জেডব্রাউন: এটি অর্থবোধ করে; এটি "বক্সের প্রতিবন্ধকতা" উল্লেখ না করে উল্লেখ করা বিভ্রান্তকর ছিল, ভাল, একটি স্পষ্ট বাক্স বাধা। আপনি যে ধরণের সমস্যার কথা বলছেন (ডিজাইনের সমস্যাগুলি, নিয়ন্ত্রণের সমস্যাগুলি), u অবশ্যই আরও আকর্ষণীয়, তবে অপ্টিমাইজেশান সমস্যাগুলি সাধারণত min নোটেশনটি ব্যবহার করে বলা হয় এবং তাদের সমাধান সেটগুলি and argmin স্বরলিপি ব্যবহার করে বর্ণনা করা হয়।
জেফ অক্সবেরি

আপনি PDE গুলি কোন ভাষা / পরিবেশে মডেল করেছেন তা নির্দিষ্ট করে দেওয়া কার্যকর হতে পারে। এটি অপ্টিমাইজারের পছন্দকে সীমাবদ্ধ করতে পারে।
ডোমিনিক

উত্তর:


18

আমি কিছু মন্তব্যের উপর ভিত্তি করে আমার উত্তর আমূল সম্পাদনা করার সিদ্ধান্ত নিয়েছি।

আমি টিএও ব্যবহার করিনি। ডকুমেন্টেশন পড়ার থেকে, এটি শুধুমাত্র উপায় যে টিএও সবাধ অপ্টিমাইজেশান সমস্যা (শুধুমাত্র বক্স সীমাবদ্ধতার বিশেষ মামলায় বাদে) সব ব্যবস্থা করতে সক্ষম মত মনে হয় ব্যবহার করে একটি ভেরিয়েশনাল বৈষম্য মধ্যে সমস্যা রূপান্তর হয় Karush-কুন-টাকার (Kkt) অবস্থার , যা সীমাবদ্ধ যোগ্যতার অধীনে প্রয়োজনীয় (আমি সাধারণত যে ধরনের ধরনটি স্লটার পয়েন্ট শর্ত হিসাবে দেখি ), এবং উদ্দেশ্য এবং সীমাবদ্ধতার (আরও সাধারণভাবে, টাইপ 1 ইনভেক্সিটি) বেহালতার অধীনে যথেষ্ট। যদিfননকোনভেক্স, কেকেটি শর্তাদি ব্যবহার করে বৈকল্পিক বৈষম্য সূত্রটি মূল অপ্টিমাইজেশান সমস্যার সমতুল্য নয়, তাই কড়া কথায় বলতে গেলে, আপনি যদি অপ্টিমাইজেশান সমস্যার জন্য বিশ্বব্যাপী সর্বোত্তম চান তবে আপনার এটি বৈকল্পিক বৈষম্য হিসাবে প্রকাশ করা উচিত নয়। PDE- সীমাবদ্ধ অপ্টিমাইজেশনের (নীচে দেখুন) জন্য বিশ্বব্যাপী সর্বোত্তম সন্ধান করা কঠিন হবে, সুতরাং সম্ভবত এই বিশদটি উপেক্ষা করা ঠিক আছে। ওল্ফগ্যাং যা বলেছে তা প্রদত্ত, আমি টিএও ব্যবহারের বিষয়ে সংশয়ী হব; আমি ইতিমধ্যে সংশয়ী কারণ এটি বৈষম্যমূলক বৈষম্যের চেয়ে ননলাইনার প্রোগ্রামগুলি (এনএলপি) এনএলপি হিসাবে সমাধানের পদ্ধতিগুলি কার্যকর করে না।

আমি PDE- সীমাবদ্ধ অপ্টিমাইজেশনের বিশেষজ্ঞ নই; আমার সহকর্মী ও সহযোগীরা ওডিই-সীমাবদ্ধ অপ্টিমাইজেশান সমস্যা নিয়ে কাজ করে। আমি জানি যে অনুপ্রবেশকারী সূত্রগুলির জন্য, ল্যারি বিগলার (এবং অন্যরা) PDE কে অসম্মানিত করতে এবং এটি একটি খুব বড়, বিচ্ছিন্ন এনএলপি তৈরি করতে কলোকেশন পদ্ধতি ব্যবহার করবে এবং তারপরে তিনি ইন্টিরির পয়েন্ট পদ্ধতি ব্যবহার করে এটি সমাধান করবেন। বিশ্বব্যাপী অনুকূলতার সমস্যাটি সত্যিই সমাধান করার জন্য আপনাকে উত্তল শিথিলতাও তৈরি করতে হবে, তবে যতদূর আমি জানি, এই পদ্ধতির ব্যবস্থা নেওয়া হয়নি কারণ পিডিই-সীমাবদ্ধ অপ্টিমাইজেশান সমস্যাগুলি এত বড় এনএলপিগুলিকে নিয়ে যায় যে এগুলি সমাধান করা কঠিন হবে would বৈশ্বিক অনুকূলতা। আমি এই বিবরণগুলি কেবলমাত্র উল্লেখ করেছি কারণ সমস্যা গঠনের পক্ষে সলভার প্যাকেজটির পছন্দকে প্রভাবিত করে। নননিত্রসাইভ ফর্মুলেশনের জন্য, বারবার পিডিই অপ্টিমাইজেশন অ্যালগরিদমগুলির জন্য ফলন গ্রেডিয়েন্ট তথ্য সলভ করে।

কিছু লোক যারা ওডিই-সীমাবদ্ধ অপ্টিমাইজেশান সমস্যাগুলি অধ্যয়ন করে তারা কোলকোশন এবং একটি সংখ্যাসূচক পদ্ধতি ব্যবহার করে সমস্যাটিকে বিবেচনা করার মতো একই পদ্ধতির ব্যবহার করে এবং তারপরে এনএলপিকে একটি বৈশ্বিক অপ্টিমাইজেশন অ্যালগরিদমে ব্যবহৃত উত্তল গঠনের জন্য শিথিল করে। ওডিই-সীমাবদ্ধ অপ্টিমাইজেশনের বিকল্প পদ্ধতির সমস্যাটি শিথিল করা এবং তারপরে ওডিই-কে বিবেচনা করা, এটি আমার ল্যাবটিতে নেওয়া পদ্ধতির। PDE- সীমাবদ্ধ অপ্টিমাইজেশান সমস্যাগুলির কয়েকটি শ্রেণি শিথিল করা সম্ভব হতে পারে, তবে আমি এই সমস্যাটিতে কোনও অতিরিক্ত কাজ সম্পন্ন করেছি তা জানি না। (এটি এক পর্যায়ে আমার ল্যাবটিতে একটি সম্ভাব্য প্রকল্প ছিল))

শেষ পর্যন্ত, গুরুত্বপূর্ণ বিষয়গুলি মূল পিডিইর স্বতন্ত্রতা নয়, তবে সিদ্ধান্তের ভেরিয়েবলের সাথে বিবেচনার সাথে বিবেচনার পৃথকীকরণের।

সিদ্ধান্ত পরিবর্তনের ক্ষেত্রে যদি বিযুক্ত সমস্যাটি দ্বিগুণ-পার্থক্যযোগ্য হয় তবে নিম্নলিখিত প্যাকেজগুলি স্থানীয় সমাধান গণনা করবে:

  • আইপোপটি হ'ল ওপেন সোর্স ইন্টিরিয়র পয়েন্ট সলভার যা আইবিএম-এ আন্দ্রেয়াস ওয়াচটার দ্বারা বিকাশ করা হয়েছে। এটি একটি খুব উচ্চ মানের কোড। একটি অভ্যন্তরীণ-পয়েন্ট সমাধানকারী হিসাবে, বৃহত্তর, বিচ্ছিন্ন জ্যাকবীয় ম্যাট্রিক্স সহ উদ্দেশ্যমূলক ফাংশনগুলির জন্য এটি আরও ভাল এবং PDE- সীমাবদ্ধ অপ্টিমাইজেশনের জন্য কার্যকর হবে
  • এসএনওপিটি হ'ল বাণিজ্যিক সিকুয়েন্সিয়াল চতুর্ভুজ প্রোগ্রামিং সলভার যা অন্য একটি উচ্চ মানের কোড। ছোট, ঘন জ্যাকবিয়ান ম্যাট্রিক্স সহ বস্তুনিষ্ঠ ফাংশনগুলির জন্য এটি আরও ভাল, সুতরাং আমি এটি PDE- সীমাবদ্ধ অপ্টিমাইজেশনের জন্য দরকারী বলে আশা করব না, তবে আপনি এটি চেষ্টা করে দেখতে পারেন।
  • এনএলপ্ট একটি ছোট, ওপেন সোর্স কোড যা এমআইটিতে স্টিভেন জনসন লিখেছেন যাতে অনেকগুলি ননলাইনার অপ্টিমাইজেশান অ্যালগরিদমের বেসিক প্রয়োগ রয়েছে। আবদ্ধ-সীমাবদ্ধ সমস্যা সমাধানের জন্য সমস্ত অ্যালগরিদম পর্যাপ্ত হওয়া উচিত।
  • fmincon মাতলাব ননলাইনারি অপ্টিমাইজেশনের জন্য বেশ কয়েকটি অ্যালগরিদম (অভ্যন্তরীণ বিন্দু এবং অনুক্রমিক চতুষ্কোণ প্রোগ্রামিং সহ) প্রয়োগ করে
  • গ্যাম এবং এএমপিএল দুটি বাণিজ্যিক মডেলিং ভাষা যা অপ্টিমাইজেশান সমস্যাগুলি তৈরি করতে ব্যবহৃত হয় এবং এতে প্রচুর ননলাইনার প্রোগ্রামিং সলভারদের ইন্টারফেস থাকে। আমি জানি যে গ্যামের একটি পরীক্ষামূলক সংস্করণ রয়েছে যা ছোট সমস্যাগুলির জন্য ব্যবহার করা যেতে পারে এবং সমস্যার উদাহরণগুলি সমাধানের জন্য NEOS সার্ভারেও জমা দেওয়া যেতে পারে ।

যাইহোক, এটি সম্ভব যে সিদ্ধান্তের পরিবর্তনশীলগুলির ক্ষেত্রে বিবেচনাধীনতা কেবল একবারই পার্থক্যযোগ্য, এক্ষেত্রে স্থানীয় সমাধানের গণনা করার সময় আপনার अनुमानিত খাড়া বংশোদ্ভূত বা অন্য কোনও প্রথম অর্ডার অপ্টিমাইজেশন পদ্ধতি ব্যবহার করা উচিত। যেহেতু প্রচুর অধ্যয়ন সমস্যাগুলির দিকে দৃষ্টি নিবদ্ধ করে যেখানে দ্বিতীয়-ক্রমের পদ্ধতিগুলি ব্যবহার করা যেতে পারে (এবং আপনি যখন তাদের ব্যবহার করতে পারেন তখন তাদের উচ্চতর রূপান্তর বৈশিষ্ট্যগুলি তাদের আরও ভাল পছন্দ করে তোলে), তাই আমি খাড়া বংশোদ্ভূত অনেকগুলি বাস্তবায়ন খুঁজে পাইনি যা সমাধান ছিল না solutions হোম ওয়ার্ক সমস্যা। গনুহ বৈজ্ঞানিক লাইব্রেরী একটি বাস্তবায়ন আছে, কিন্তু এটা বিক্ষোভের উদ্দেশ্যে শুধুমাত্র আছে। আপনার সম্ভবত নিজের প্রয়োগটি কোড করা দরকার।

যদি সিদ্ধান্তটি ভেরিয়েবলের ক্ষেত্রে সমস্যাটি কেবল অবিচ্ছিন্ন থাকে তবে আপনি স্থানীয়ভাবে এটি সমাধান করার জন্য সরাসরি পদ্ধতি ব্যবহার করতে পারেন। কোল্ডা, লুইস এবং টর্কসনের সরাসরি পদ্ধতির বিষয়ে একটি দুর্দান্ত সমীক্ষা রয়েছে । এই পদ্ধতিগুলির মধ্যে সর্বাধিক পরিচিত হ'ল নেল্ডার-মিড সিমপ্লেক্স অ্যালগরিদম । একাধিক মাত্রায় স্থানীয় নূন্যতমে রূপান্তরিত হওয়ার গ্যারান্টি নেই তবে এটি যেভাবেই যথেষ্ট ব্যবহারিক ব্যবহারের সন্ধান পেয়েছে।

সমস্যা সমাধানের জন্য আপনি যে ভাষাটি ব্যবহার করতে চান তা প্যাকেজের পছন্দটি নির্ভর করে, যদি সীমাবদ্ধ-সীমাবদ্ধ সমস্যার সমাধান করা হয় তবে আপনি প্রয়োগ করতে চান এমন একটি অ্যালগরিদমের অংশ (বা যদি এটি আপনার অ্যালগরিদমের একমাত্র পদক্ষেপ হয়, তবে ক্ষেত্রে মডেলিং ভাষাগুলি প্রোডাকশন কোডের জন্য আরও কার্যকর হয়ে উঠুন), সমস্যার ধরণ এবং আকার এবং আপনার যদি কোনও সমান্তরালতার প্রয়োজন হয়।


4

আমরা টিএও চেষ্টা করে দেখেছি তবে এটি অসম্পূর্ণতার জন্য জটিল সমস্যার জন্য খুব কার্যকর নয় বলে মনে হয়েছে। এটি মূলত কমপক্ষে ২০০৩ সাল থেকে রক্ষণাবেক্ষণ মোডেও রয়েছে, যেখানে এটি নির্মাণ করা হয়েছে, পিইটিএসসি-র পরিবর্তনের উপর নজর রাখার জন্য আপডেটগুলি ছাড়া কোনও নতুন নতুন বৈশিষ্ট্য নেই।


3

অপর বিকল্প হ'ল ওপিটি ++ । এটি একটি দক্ষ ননলাইনারি অভ্যন্তর বিন্দু সমাধানকারী সহ লিনিয়ার এবং ননলাইনারের প্রতিবন্ধকতাগুলিকে সমর্থন করে, ফাংশন নির্ভুলতার জন্য নিয়ন্ত্রণ সরবরাহ করে (যদি সংখ্যাগত পার্থক্যের প্রয়োজন হয়), পদক্ষেপের আকারের জন্য নিয়ন্ত্রণ ইত্যাদি I'm আমি সাধারণত বড় ধরনের অন্তর্নিহিত ফাংশনগুলি (যেমন এফইএম) অনুকূল করি যেখানে এই ধরণের নিয়ন্ত্রণগুলি কার্যকর হতে পারে।


ওপটি ++ কেন ব্যবহার করার জন্য একটি ভাল প্যাকেজ তা আপনি বিশদভাবে বলতে পারেন? আপনার (বা আপনার সহকর্মীরা) এর সাথে কোনও অভিজ্ঞতা আছে?
জেফ অক্সবেরি

স্পষ্টতই, আমার বলার কোনও যুক্তি নেই যে আপনি পূর্বে তালিকাভুক্ত যে কোনওটির তুলনায় ওপিটি ++ উচ্চতর কারণ তাদের সাথে আমার কোনও অভিজ্ঞতা নেই (যদিও আমি তাদের কয়েকটি পরীক্ষা করার জন্য বুকমার্ক করেছি)। তবে আমার কাছে ওপিটি ++ এর অভিজ্ঞতা আছে এবং এটি আমার প্রয়োজনের জন্য উপযুক্ত বলে মনে করেছি। এটি একটি দক্ষ ননলাইনারি অভ্যন্তর বিন্দু সমাধানকারী সহ লিনিয়ার এবং ননলাইনারের প্রতিবন্ধকতাগুলিকে সমর্থন করে, ফাংশন নির্ভুলতার জন্য নিয়ন্ত্রণ সরবরাহ করে (যদি সংখ্যাগত পার্থক্যের প্রয়োজন হয়), পদক্ষেপের আকারের জন্য নিয়ন্ত্রণ ইত্যাদি I'm আমি সাধারণত বড় ধরনের অন্তর্নিহিত ফাংশনগুলি (যেমন এফইএম) অনুকূল করি যেখানে এই ধরণের নিয়ন্ত্রণগুলি কার্যকর হতে পারে।
ব্যারন

2
@ ব্যারন: আপনার উত্তরটি দিয়ে শুরু করা উচিত ছিল। :)
জেএম

2

যদি সমস্যাটি পরিপূরক সমস্যা হিসাবে সূচিত হয় তবে আপনি টিএও (অ্যাডভান্সড অপটিমাইজেশনের জন্য টুলকিট) ব্যবহার করতে পারেন । টিএও-র কয়েকটি পদ্ধতি যেমন হ্রাস করা স্থান পদ্ধতি (সক্রিয় সেট পদ্ধতির একটি রূপ) বর্তমানে পিইটিএসসি ( এসএনএসভি ) এর এসএনইএস অংশ হিসাবে উপলব্ধ ।


1

মিনিট এর মডিউল CERNLIB (দীর্ঘ থেকে বৈশিষ্ট্যসমূহ নিয়ে আসা রুট ) একটি ব্যবহার ইনপুট স্থান রূপান্তর একটি স্থান যেখানে তারা চালাতে মধ্যে বক্স constrains রেন্ডার করতে এবং এইভাবে (খরচে বিশেষ ক্ষেত্রে ছাড়া নাড়াচাড়া করতে পারেন কিছু গতি অবশ্যই।[,+]

আমি মনে করি না যে MINUTE আপনার প্রয়োজনের জন্য ভাল কাজ করবে, তবে আপনি যদি নিজেরাই কোড বা কিছু বা সমস্ত লিখতে বাধ্য হন তবে রূপান্তর হতে পারে।


এই রূপান্তরটি দেখতে খারাপ লাগছে; এতে বিস্মিত হওয়ার কিছু নেই যে এটির সাথে কয়েকটা অনুচ্ছেদ রয়েছে।
জেফ অক্সবেরি

1

@ জিফ অক্সবেরি যেমন উল্লেখ করেছেন, বেশ কয়েকটি প্যাকেজ আপনাকে স্থানীয় সমাধান সন্ধান করতে দেয়। আপনি যদি একই সমস্যার জন্য এই বিভিন্ন এনএলপি সলভারগুলির সাথে তুলনা করতে সক্ষম হতে চান তবে আপনি রবপটিম ব্যবহার করতে পারেন ।

যদিও রোবপটিম প্রাথমিকভাবে রোবোটিক্স অপ্টিমাইজেশনের সমস্যাগুলি মাথায় রেখে তৈরি করা হয়েছিল, তবে এটি কোনও ননলাইনার অপ্টিমাইজেশান সমস্যার জন্য উপযুক্ত। এটি একাধিক এনএলপি সলভার (যেমন আইপপট, এনএজি) জন্য প্লাগইন সহ একটি সাধারণ সি ++ ইন্টারফেস সরবরাহ করে। যদি আপনি গ্রেডিয়েন্টগুলি সরবরাহ করতে না পারেন তবে সীমাবদ্ধ-পার্থক্য গণনা স্বয়ংক্রিয়ভাবে করা যেতে পারে।

এটি ওপেন সোর্স তাই আপনি গিটহাবের উত্স কোডটি যাচাই করতে পারেন: https://github.com/roboptim/

দ্রষ্টব্য: আমি এই প্রকল্পের অন্যতম বিকাশকারী।


1
উল্লেখ করা উচিত যে অন্যান্য উত্তরগুলি ফ্রেমওয়ার্কগুলি নয়, সমাধানকারীদের বর্ণনা করে । কোনও ভাল সমাধানকারীর চেয়ে গ্রহণযোগ্য কাঠামো ( ড্রাইভার ) খুঁজে পাওয়া সহজ
হরিণ হান্টার

@ ডিয়ারহান্টার আপনি যখন কোনও প্রদত্ত সমস্যা সমাধানের জন্য কোনও সলভারের সন্ধান করছেন, তখন কোনও প্রাইমারী জানা খুব সহজ যে কোন সমাধানকারী সবচেয়ে ভাল সমাধানটি গণনা করবেন এবং / অথবা দ্রুততম। আপনি একটি "ভাল সমাধানকারী" সম্পর্কে কথা বলছেন, তবে এটি আপনি কী সমাধান করছেন তার উপর নির্ভর করে: কোনও "সেরা সামগ্রিক" সমাধানকারী নেই। তদুপরি, সলভার এপিআইগুলি সাধারণত বেশ আলাদা হয়, সুতরাং একটি ভাল ফ্রেমওয়ার্ক ব্যবহার করা যা আপনাকে সহজেই এক দ্রাবক থেকে অন্য সলভারটিতে স্যুইচ করতে দেয় really প্রশ্নটি ছিল "সীমাবদ্ধ অপ্টিমাইজেশনের জন্য সফ্টওয়্যার প্যাকেজগুলি" সম্পর্কে, এবং ফ্রেমওয়ার্কগুলিও এই বিভাগে আসে।
বেনসি

1

এখানে PDE- সীমাবদ্ধ অপটিমাইজেশন প্যাকেজগুলির আংশিক তালিকা রয়েছে।

ডলফিন অ্যাডজিন্ট এফএনসিএস এফএম এর অংশ:

http://dolfin-adjoint.org/

রোল, মুচো, সানড্যান্স ট্রিলিনোসের অংশ:

https://github.com/trilinos/trilinos/tree/master/packages/rol/

https://github.com/trilinos/trilinos/tree/master/packages/Sundance/

http://trilinos.org/packages/moocho/

পিডিই-সীমাবদ্ধ অপ্টিমাইজেশনের জন্য পাইমো উদাহরণ:

https://software.sandia.gov/trac/pyomo/browser/pyomo/trunk/examples/dae

টিএও ম্যানুয়াল PDE- সীমাবদ্ধ অপ্টিমাইজেশন সমস্যা সমাধানের উদাহরণ দেয়:

http://www.mcs.anl.gov/petsc/petsc-3.5/docs/tao_manual.pdf


1
SciComp.SE এ স্বাগতম! কেবল একটি লিঙ্ক সরবরাহ করা (এটি যেমনটি কার্যকর হতে পারে) সত্যিই খুব ভাল উত্তর নয়; দেখতে meta.stackexchange.com/questions/8231 । আপনি কি এটি কিছুটা প্রসারিত করতে পারেন (কম্পিউটিং ভাষা, কোন ধরণের প্রতিবন্ধকতাগুলি চিকিত্সা করা যেতে পারে, কোন পদ্ধতিগুলি প্রয়োগ করা হয় ইত্যাদি)?
ক্রিশ্চান ক্লাসন

আমি @ ক্রিশ্চিয়ান ক্লাসনের সাথে একমত পিডিই-সীমাবদ্ধ অপ্টিমাইজেশন সফ্টওয়্যারটির জন্য সলভারগুলিতে যথেষ্ট বিকাশ হয়েছে; যাইহোক, এই উত্তরগুলি সেই প্যাকেজগুলি কীভাবে বাস্তবায়িত করে তা অ্যালগরিদমগুলি সম্পর্কে মূলত কোনও পটভূমি সরবরাহ করে না।
জেফ অক্সবেরি

0

APM ম্যাটল্যাব এবং APM পাইথন প্যাকেজ মিশ্র-পূর্ণসংখ্যা ডিফারেনশিয়াল বীজগাণিতিক সমীকরণ ব্যবস্থা বড় মাপের (100,000+ ভেরিয়েবল) সমাধান করতে পারে। সফ্টওয়্যারটি বাণিজ্যিক বা একাডেমিক ব্যবহারের জন্য ওয়েব পরিষেবা হিসাবে উপলব্ধ। আপনি যদি কোনও PDE সিস্টেম সমাধান করছেন তবে এপিএমনিটার মডেলিংয়ের ভাষায় রাখার জন্য আপনি একবার এটি ডিএই বা ওডিই ফর্মের জন্য বিবেচনা করতে পারেন। মডেলিংয়ের ভাষাতে এপোপটি , বিপিওপিটি, আইপিওপিটি, এসএনওপিটি এবং মিনোস সলভার ব্যবহার করা হয় ।


1
এটি এবং ভবিষ্যতের উত্তরগুলিতে আপনার সফ্টওয়্যারটির উল্লেখ করে একটি এপি মনিটর বিকাশকারী হিসাবে আপনার অনুমোদিততা প্রকাশ করুন। আমাদের প্রকাশ নীতি সম্পর্কে বিশদ জানতে FAQ দেখুন।
জেফ অক্সবেরি

জিওফ, টিপটির জন্য ধন্যবাদ। ২০০৪ সালে অস্টিনের টেক্সাস বিশ্ববিদ্যালয়ের স্নাতক শিক্ষার্থী হিসাবে আমি এপিমনিটর প্ল্যাটফর্মে কাজ শুরু করি। জৈবিক, রাসায়নিক, মহাকাশ, এবং অন্যান্য অ্যাপ্লিকেশনগুলির প্রক্রিয়া নিয়ন্ত্রণ এবং অপ্টিমাইজেশনের ( apm.byu.edu/prism ) জন্য এখন আমরা এটি ব্রিগহাম ইয়ং ইউনিভার্সিটিতে আমাদের গবেষণা গোষ্ঠীতে ব্যবহার করি । আমি বাণিজ্যিক বা একাডেমিক ব্যবহারকারীদের জন্য এটি নিখরচায় উপলব্ধ করি।
জন হেডেনগ্রেন
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.