1

前段时间我正在写一篇与 OR 相关的文章以供发表。在文章中，显示了使用 MiniZinc 解决某个优化问题的 MILP 模型。我在 10 个实例中优化了 10 个实例。

顾问对其进行了审查并提到了以下 2 条评论：

  1. 在性能方面，您如何将 MiniZinc 与其他最新一代 MILP 求解器（如 CPLEX 或 Gurobi）进行比较？

我一直使用 MiniZinc，它对我来说很有效。我如何展示 MiniZinc 的多功能性？是否有参考书目或证明它的方法？

  1. 由于 MiniZinc 不是最著名的 MILP 求解器之一，因此您应该避免在摘要中提及它的名称。

出于什么原因，您不建议在摘要中提及它？

什么是使用 MiniZinc 的有效理由？

4

1 回答 1

5

为了证明使用 MiniZinc 的合理性，最重要的是阐明 MiniZinc 的功能。运筹学社区有时会非常固执己见，通常会关注两件事：

  1. 哪组线性方程可以编码您的问题？
  2. 使用什么解决过程来得出解决方案？

然而，MiniZinc 应被视为该过程中的较早步骤。它允许用户编写问题的高级模型，该模型被编译成求解器可以理解的规范（在 MILP 求解器的情况下将是一组线性方程）。因此，在 OR 世界中，与像JuMP和PyOpt这样的库相比，它比像 Gurobi 或 CPlex 这样的求解器要好。但是，与这些库不同的是，MiniZinc 语言是在更高级别编写的，并且打算与求解器技术无关，这意味着，除了 MILP 求解器之外，您还可以尝试 CP、LCG、SMT 和 SAT 求解器。

关于为什么使用 MiniZinc 而不是 JuMP 或 PyOpt 的一个很好的论点是 MiniZinc 通常可以在基于高级模型结构的编码中应用优化。已经发表了多篇关于自动线性化问题的论文，这些问题在求解器上提供了出色/新颖的性能。“改进的约束编程模型的线性化”一文甚至表明，MiniZinc 有时可以创建比该领域专家更有效的线性模型。

最后，应该注意的是，MiniZinc 实际上使用了您的顾问提到的求解器。Gurobi 和 CPlex 是（可能）解决线性化问题的最佳 MiniZinc 求解器。话虽如此，如果您正在使用 MiniZinc 的一些其他求解器，那么您可能仍在使用最先进的求解器：Gecode 是目前最快的约束规划求解器之一；Chuffed 在 MiniZinc 挑战赛中多次击败所有竞争对手，是一种新颖的惰性子句生成求解器；还有更多具有不同求解器技术的求解器可与顶级 MiniZinc 一起使用。

因此，直截了当地回答问题：

在性能方面，您如何将 MiniZinc 与其他最新一代 MILP 求解器（如 CPLEX 或 Gurobi）进行比较？

我们不会将 MiniZinc 与 Gurobi 或 CPlex 进行比较，因为 MiniZinc 不是求解器。然而，MiniZinc 将为 Gurobi 和 CPlex 等新型求解器创建模型。

由于 MiniZinc 不是最著名的 MILP 求解器之一，因此您应该避免在摘要中提及它的名称。（出于什么原因，您不建议在摘要中提及它？）

如果 MiniZinc 对您的申请做出了重大贡献，那么我认为提及它是公平的；但是，最好结合使用的求解器提及它。如果您在论文中描述 MiniZinc 的过程或它为您所做的工作，将会有所帮助。

什么是使用 MiniZinc 的有效理由？

MiniZinc 是一个很好的工具，可以创建一个人类可读的问题模型，该模型可以转换为顶级求解器的有效规范。

于 2020-04-28T23:56:57.440 回答