Artelys Knitro 13.1 : résoudre les MINLP plus rapidement que jamais
Les problèmes non linéaires en nombres entiers offrent une façon très naturelle de modéliser de nombreux problèmes d’ingénierie où les fonctions non linéaires peuvent capturer le comportement complexe des processus physiques et où les variables entières peuvent être utilisées pour modéliser des décisions discrètes.
Artelys Knitro 13.0 a introduit un nouveau branch and bound parallèle pour résoudre les MINLP les plus difficiles de nos clients. Artelys Knitro 13.1 repousse encore les limites en ajoutant plusieurs fonctionnalités clés :
- De nouvelles heuristiques pour trouver rapidement de bonnes solutions réalisables.
- La possibilité pour l’utilisateur de passer une solution initiale entière. Cette solution peut également être réparée automatiquement si elle est infaisable.
- L’introduction d’une fonctionnalité de redémarrage automatique pour de meilleures performances. Cela permet à une résolution MINLP de réinitialiser la recherche arborescente au nœud racine après une recherche partielle et de redémarrer avec un ensemble optimisé de paramètres du solveur.
- Améliorations significatives des performances pour tous les algorithmes discrets et continus.
En s’appuyant sur ces nouvelles fonctionnalités dédiées aux problèmes MINLP, Artelys Knitro 13.1 est en moyenne 3 fois plus rapide que la version 13.0 sur les benchmarks MINLP tels que MINLPLib2.
Artelys Knitro 13.1 introduit également une nouvelle routine d’estimation du bruit pour les fonctions objectif non linéaires afin d’adapter l’approximation des dérivées. Ceci est particulièrement utile lors de la résolution de problèmes d’optimisation boîte noire qui s’appuieraient sur un simulateur externe (modèle de réseau, méthode d’éléments finis, simulation de réaction chimique, etc.) dans lequel les imprécisions numériques peuvent conduire à des modèles d’optimisation de type boîte noire bruités.
Caractéristiques supplémentaires d’Artelys Knitro 13.1 :
- Amélioration moyenne de 40% des performances sur Apple Silicon grâce à l’intégration de nouvelles routines mathématiques spécialisées.
- Mise à jour de l’interface Knitro-MATLAB pour supporter la nouvelle interface MATLAB “problem-based”.
- Nouvelle heuristique pour la résolution des modèles avec contraintes de complémentarité (MPEC) lors de l’utilisation de l’algorithme barrière/point intérieur.
- Amélioration générale des performances sur les modèles non linéaires continus, en particulier lors de l’utilisation de l’approximation hessienne BFGS ou L-BFGS.
Si vous voulez en savoir plus sur le solveur Artelys Knitro, vous pouvez nous contacter ou visiter notre page dédiée.
Privé : Data Science manager
Au sein d’une équipe dynamique de haut niveau, vous interviendrez conjointement sur des projets de R&D et clients afin de mener des projets innovants centrés sur la donnée et les mathématiques appliquées (Statistiques, Machine/Deep Learning) :Piloter des équipes...
Vous avez manqué l’événement de diffusion de METIS 3 ? Les diapositives sont désormais disponibles !
— Artelys avait le plaisir d’organiser l’évènement de dissémination du projet METIS 3 le 17 avril dernier. Au cours de cet événement, nous avons eu l’occasion de présenter les derniers développements du modèle et des jeux de données associés à METIS, avec des présentations détaillées des principales études réalisées dans la troisième édition du projet et des échanges stimulants avec des intervenants extérieurs!
Artelys participe à la simulation du stockage souterrain d’hydrogène à grande échelle en Europe.
— Artelys participe au projet quinquennal FrHyGe financé par la Commission européenne via le partenariat Clean Hydrogen.
Artelys poursuit sa croissance à l’international
Avec une présence internationale croissante, grâce à ses filiales au Canada, en Belgique, aux États-Unis, et depuis l’année dernière en Italie et en Espagne, Artelys étend sa portée et renforce son engagement à fournir des solutions innovantes à ses clients et partenaires à l’international.
