24个运筹学优化算法包汇总

https://pysot.readthedocs.io/en/latest/

该工具箱的主要目的是优化具有连续变量和/或整数变量的计算成本高昂的黑盒目标函数。假定所有变量都具有某种形式的边界约束，其中没有一个边界是无穷大的。边界越窄，算法的效率就越高，因为它减少了搜索区域并提高了构建代理的质量。对于计算成本较低的函数计算问题，此工具箱可能不是很有效。代理模型旨在用于功能评估需要几分钟到几小时或更长时间的情况。

https://gekko.readthedocs.io/en/latest/

GEKKO是一个Python软件包，用于机器学习和优化混合整数和微分代数方程。它与用于线性、二次、非线性和混合整数规划（LP、QP、NLP、MILP、MINLP）的大规模求解器相结合。工作模式包括参数回归、数据协调、实时优化、动态仿真和非线性预测控制。GEKKO是一个面向对象的Python库，用于促进APMonitor的本地执行。

https://developers.google.com/optimization/introduction/python

OR-Tools 是用于组合优化的开源软件，它旨在从大量可能的解决方案中找到问题的最佳解决方案。以下是OR-Tools解决的一些问题示例：

• 车辆路线：为在给定限制的情况下提取和交付包裹的车队找到最佳路线（例如，“这辆卡车不能容纳超过20000 磅”或“所有交付必须在两小时内完成”）。
• 调度：为一组复杂的任务找到最佳计划，其中一些任务需要在一组固定的计算机或其他资源上先于其他任务执行。
• 装箱问题：将尽可能多的各种尺寸的物品包装到具有最大容量的固定数量的箱中。

https://www.ibm.com/docs/en/icos/20.1.0?topic=apis-cplex-python-users

用于使用连续变量或整数变量(MIP)进行线性和二次规划的求解器。

https://www.minizinc.org/doc-2.7.2/en/intro.html
https://minizinc-python.readthedocs.io/en/latest/getting_started.html

MiniZinc是一种用于指定整数和实数的约束优化和决策问题的语言。MiniZinc模型并不规定如何解决问题 - MiniZinc编译器可以将其转换为适合各种求解器的不同形式，例如约束规划(CP)，混合整数线性规划(MIP)或布尔满足性(SAT)求解器。

https://coin-or.github.io/pulp/
https://github.com/Behemoth-s/ProductPlanningByMIP

PuLP是一个求解LP/MIP问题的开源python建模软件包。PuLP可以生成MPS或者LP文件，调用GLPK, COIN-OR CLP/CBC, CPLEX, GUROBI, MOSEK, XPRESS, CHOCO, MIPCL, SCIP等求解器来解决线性问题。

http://www.pyomo.org/

Pyomo支持数十种开源和商业求解器，包括AMPL，PICO，CBC，CPLEX，IPOPT和GLPK支持的许多求解器。Pyomo 可以直接调用求解器，也可以与求解器管理器异步调用求解器。

https://github.com/mckib2/scikit-glpk

GLPK是一个开源的线性规划求解器，支持线性规划、整数规划、混合整数规划等问题。

https://python-mip.readthedocs.io/en/latest/

Python-MIP 包提供了用于在Python中建模和求解混合整数线性规划问题（MIP）的工具。默认安装包括COIN-OR线性规划求解器-CLP，它是目前最快的开源线性规划求解器和COIN-OR分支和切割求解器-CBC，一个高度可配置的MIP求解器。它还与最先进的 Gurobi MIP 求解器配合使用。Python-MIP是用现代的类型化Python编写的，并与快速的即时Python编译器Pypy配合使用。

https://www.alglib.net/docs.php

ALGLIB是一个跨平台的数值分析和数据处理库。它支持五种编程语言（C++，C#，Java，Python，Delphi）和多种操作系统（Windows和POSIX，包括Linux）

https://www.msi-jp.com/xpress/learning/square/01-python-interface.pdf

用于使用连续或整数变量（MIP）进行线性和二次规划的求解器。

http://openmdao.org/newdocs/versions/latest/main.html

多学科设计、分析和优化（MDAO）框架，用 Python 编写。该开发项目由NASA格伦研究中心领导，并得到NASA兰利研究中心的支持。

https://www.cvxpy.org/tutorial/advanced/index.html

CVXPY是一种用于凸优化问题的Python嵌入式建模语言。它会自动将问题转换为标准形式，调用求解器，并解压缩结果。

http://apmonitor.com/wiki/index.php/Main/PythonFunctions

APMonitor适用于大规模问题，可解决线性规划、整数规划、非线性规划、非线性混合整数规划、动态仿真、移动水平估计和非线性模型预测控制。APMonitor不直接解决问题，而是调用非线性规划求解器，如APOPT，BPOPT，IPOPT，MINOS和SNOPT。APMonitor API 通过自动微分和稀疏矩阵形式向求解器提供连续函数的精确一阶和二阶导数。

https://help.imsl.com/python/current/docs/

IMSL（国际数学和统计库）是数值分析功能软件库的商业集合，以计算机编程语言C，Java，C#.NET和Fortran实现。Python接口也可用。

http://www.midaco-solver.com/index.php/download/python

MIDACO（混合整数分布式蚁群优化）是一个基于进化计算的数值优化软件包。MIDACO是欧洲航天局和EADS Astrium合作创建的，旨在解决受约束的混合整数非线性（MINLP）空间应用。MIDACO拥有欧洲航天局公开提供的关于行星际航天轨迹设计问题的。

• 博客：https://www.jianshu.com/u/bb3bf400a76c
• 运筹优化求解器及其比较
  
• 运筹学、数学规划、离散优化求解器大PK
• 运筹学优化软件介绍
• 运筹优化工具库介绍（一）
• 运筹优化工具库介绍（二）

参考：

https://en.wikipedia.org/wiki/List_of_optimization_software