Artelys Knitro 15.0 : De nouveaux outils pour vos modèles de grande taille
Artelys est heureux d’annoncer la sortie de Knitro 15.0, qui met à disposition de nouveaux algorithmes et ainsi des améliorations de performances permettant de résoudre plus rapidement vos problèmes d’optimisation de grande taille, qu’ils soient linéaires ou non-linéaires.
Des nouveaux algorithmes
Avec la version 15.0, Knitro complète sa panoplie d’algorithmes pour résoudre vos problèmes d’optimisation :
- Méthode du Lagrangien Augmenté pour les problèmes non-linéaires :
Spécialement conçu pour les modèles d’optimisation non linéaire, cet algorithme utilise une approche à contraintes non linéaires et peut tirer parti des dérivées secondes. Il est particulièrement adapté aux problèmes complexes ayant des contraintes dégénérées où la condition d’indépendance linéaire des contraintes n’est pas satisfaite.
- Algorithme de gradient hybride primal-dual (PDHG) :
Développé pour résoudre les problèmes de programmation linéaire, cet algorithme utilise uniquement des informations de premier ordre pour converger et limite les factorisations de matrices. Il est idéal pour les modèles à très grande échelle lorsque les méthodes de points intérieurs rencontrent des difficultés.
Des nouvelles fonctionnalités
- Ré-optimisation de modèles :
L’API de Knitro a été mise à jour pour permettre la ré-optimisation d’un modèle après des modifications des structures quadratiques et non linéaires.
- Cut-off paramétrable pour le Branch-and-Bound :
De nouveaux paramètres ont été introduit pour définir les niveaux absolu et relatif du cut-off dans l’algorithme de Branch-and-Bound, offrant un meilleur contrôle sur les processus d’optimisation.
Des meilleures performances
Knitro 15.0 améliore l’efficacité et la robustesse des méthodes de résolution existantes
- Accélération de la résolution de problèmes MILP et MINLP :
L’ajout de nouvelles opérations de presolve permet d’obtenir des résolutions plus rapides de vos modèles de programmation mixtes en nombres entiers, notamment pour les problèmes non linéaires (MINLP) ayant des structures linéaires.
- Approximation de la hessienne plus rapide :
Cette version offre des améliorations significatives de performance pour l’approximation hessienne avec la méthode de Broyden-Fletcher-Goldfarb-Shanno à mémoire limitée, en particulier pour les problèmes de grande taille.
- Utilisation de la librairie Sparse Solvers d’Apple Accelerate:
Les utilisateurs de plateformes Mac-ARM peuvent désormais utiliser les solveurs spécifiques aux systèmes d’équation à matrices creuses d’Apple Accelerate, améliorant ainsi la performance sur des modèles de grande taille.
Grâce à ces améliorations, Knitro 15.0 réduit le temps de résolution sur les problèmes continus de nos benchmarks d’instances de pooling et de programmes linéaires respectivement de 46% et 14%, en comparaison avec la version 14.2. Nos jeux de données d’évaluation sont composés d’instances académiques et de cas clients, avec des applications dans les réseaux d’eau, le pétrole et le gaz, le traitement des raffineries, etc.
Par ailleurs, la robustesse de Knitro 15.0 est accrue sur les problèmes discrets, avec de nouvelles instances résolues sur notre benchmark MINLP convexe. Sur ce dernier, le gap intégral primal-dual est réduit de plus de 10%, montrant une vitesse de convergence et une qualité de solution accrues.
Des interfaces plus accessibles
- Interface Python disponible sur PyPI :
Le processus d’installation de l’interface Python de Knitro a été complétement refondu. Il est maintenant possible d’installer Knitro et son interface Python directement depuis PyPI, le gestionnaire de paquets Python, facilitant grandement l’utilisation de notre solveur non-linéaire depuis ce langage.
- Interface Java compatible avec Mac ARM :
Avec cette nouvelle version, l’interface Java de Knitro est désormais disponible pour les utilisateurs de plateformes Mac ARM.
Des nouveaux algorithmes
Avec la version 15.0, Knitro complète sa panoplie d’algorithmes pour résoudre vos problèmes d’optimisation :
- Méthode du Lagrangien Augmenté pour les problèmes non-linéaires :
Spécialement conçu pour les modèles d’optimisation non linéaire, cet algorithme utilise une approche à contraintes non linéaires et peut tirer parti des dérivées secondes. Il est particulièrement adapté aux problèmes complexes ayant des contraintes dégénérées où la condition d’indépendance linéaire des contraintes n’est pas satisfaite.
- Algorithme de gradient hybride primal-dual (PDHG) :
Développé pour résoudre les problèmes de programmation linéaire, cet algorithme utilise uniquement des informations de premier ordre pour converger et limite les factorisations de matrices. Il est idéal pour les modèles à très grande échelle lorsque les méthodes de points intérieurs rencontrent des difficultés.
Des nouvelles fonctionnalités
- Ré-optimisation de modèles :
L’API de Knitro a été mise à jour pour permettre la ré-optimisation d’un modèle après des modifications des structures quadratiques et non linéaires.
- Cut-off paramétrable pour le Branch-and-Bound :
De nouveaux paramètres ont été introduit pour définir les niveaux absolu et relatif du cut-off dans l’algorithme de Branch-and-Bound, offrant un meilleur contrôle sur les processus d’optimisation.
Des meilleures performances
Knitro 15.0 améliore l’efficacité et la robustesse des méthodes de résolution existantes :
- Accélération de la résolution de problèmes MILP et MINLP :
L’ajout de nouvelles opérations de presolve permet d’obtenir des résolutions plus rapides de vos modèles de programmation mixtes en nombres entiers, notamment pour les problèmes non linéaires (MINLP) ayant des structures linéaires.
- Approximation de la hessienne plus rapide :
Cette version offre des améliorations significatives de performance pour l’approximation hessienne avec la méthode de Broyden-Fletcher-Goldfarb-Shanno à mémoire limitée, en particulier pour les problèmes de grande taille.
- Utilisation de la librairie Sparse Solvers d’Apple Accelerate:
Les utilisateurs de plateformes Mac-ARM peuvent désormais utiliser les solveurs spécifiques aux systèmes d’équation à matrices creuses d’Apple Accelerate, améliorant ainsi la performance sur des modèles de grande taille.
Grâce à ces améliorations, Knitro 15.0 réduit le temps de résolution sur les problèmes continus de nos benchmarks d’instances de pooling et de programmes linéaires respectivement de 46% et 14%, en comparaison avec la version 14.2. Nos jeux de données d’évaluation sont composés d’instances académiques et de cas clients, avec des applications dans les réseaux d’eau, le pétrole et le gaz, le traitement des raffineries, etc.
Par ailleurs, la robustesse de Knitro 15.0 est accrue sur les problèmes discrets, avec de nouvelles instances résolues sur notre benchmark MINLP convexe. Sur ce dernier, le gap intégral primal-dual est réduit de plus de 10%, montrant une vitesse de convergence et une qualité de solution accrues.
Des interfaces plus accessibles
-
- Interface Python disponible sur PyPI :
Le processus d’installation de l’interface Python de Knitro a été complétement refondu. Il est maintenant possible d’installer Knitro et son interface Python directement depuis PyPI, le gestionnaire de paquets Python, facilitant grandement l’utilisation de notre solveur non-linéaire depuis ce langage.
- Interface Java compatible avec Mac ARM :
Avec cette nouvelle version, l’interface Java de Knitro est désormais disponible pour les utilisateurs de plateformes Mac ARM.
Pour en savoir plus sur Knitro 15.0 et ses capacités, visitez la documentation officielle ou consultez les notes de version détaillées.
Essayez Knitro 15.0
Artelys Knitro 15.0 est maintenant disponible en téléchargement sur le site d’Artelys depuis votre espace client. Les utilisateurs peuvent découvrir les fonctionnalités du logiciel grâce à une version d’essai ou contacter l’équipe d’Artelys pour obtenir des informations sur les licences et les tarifs.
Cas d’application
Découvrez les cas d’utilisation qui transforment vos idées en réalités pratiques, en construisant un avenir où la technologie répond à des besoins réels de manière exceptionnelle avec Knitro.
Artelys développe Future Sight : un outil de visualisation au service de la transition énergétique
En tant que partenaire du « European Climate + Energy Modeling Forum » (ECEMF) – un projet Horizon 2020 Europe réunissant des instituts de recherche et des experts en modélisation énergétiques de premier plan en Europe – Artelys a contribué aux activités de modélisation alimentées par l’outil de modélisation Artelys Crystal Super Grid, et a dirigé le développement d’un outil de visualisation à part entière.
Artelys alimente le service Common Grid Model (CGM) chez SEleNe CC
Artelys assure la maintenance et le support du module de calcul utilisé pour exécuter la Fonction Européenne de Fusion (EMF) chez SEleNe CC
Améliorer la planification de production des transformateurs électriques grâce à des solutions d’intelligence artificielle
Améliorer la planification de production de transformateurs haute tension à l’usine Hitachi Energy de Varennes grâce à des solutions avancées d’intelligence artificielle.
Artelys accompagne la Commission de Régulation de l’Énergie (CRE) dans l’évaluation des niveaux d’incitation adéquats pour favoriser la performance des réseaux de distribution dans le cadre du TURPE 7
Artelys a réalisé une étude quantitative pour informer les propositions de niveaux cibles pour le TURPE 7, en analysant les résultats historiques et l’impact de l’intégration des données des compteurs communicants (Linky) dans les indicateurs mesurant la qualité de l’alimentation.
