Knitro 15.1 apporte une nouvelle vague d’améliorations en termes de performances et de facilité d’utilisation pour vous aider à résoudre plus rapidement que jamais vos problèmes d’optimisation à grande échelle.

Des interfaces plus accessibles

• Nouvelle interface en ligne de commande :

Une nouvelle interface en ligne de commande est disponible via un exécutable nommé « knitro » permettant de tester facilement Artelys Knitro sur vos instances. Cette interface accepte les formats MPS et LP ainsi que toutes les options utilisateur Knitro.

• Nouvelles fonctions d’interface :

De nouvelles fonctions d’interface permettent de manipuler les caractéristiques de vos modèles, simplifiant les mises à jour et la génération d’indicateurs sur la solution trouvée.

• Support de l’architecture Linux ARM64 :

L’ensemble des plateformes supportées est disponible sur notre site internet, la liste détaillée est disponible sur notre page dédiée.

Des interfaces plus accessibles

• Nouvelle interface en ligne de commande:

Une nouvelle interface en ligne de commande est disponible via un exécutable nommé « knitro » permettant de tester facilement Artelys Knitro sur vos instances. Cette interface accepte les formats MPS et LP ainsi que toutes les options utilisateur Knitro.

• Nouvelles fonctions d’interface:

De nouvelles fonctions d’interface permettent de manipuler les caractéristiques de vos modèles, simplifiant les mises à jour et la génération d’indicateurs sur la solution trouvée.

• Support de l’architecture Linux ARM64:

L’ensemble des plateformes supportées est disponible sur notre site internet, la liste détaillée est disponible sur notre page dédiée.

Pour en savoir plus sur Knitro 15.1 et ses capacités, visitez la documentation officielle ou consultez les notes de version détaillées.

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 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 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 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.

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.

Cette nouvelle version apporte plusieurs améliorations destinées à accroître l’efficacité, la robustesse et les possibilités de contrôle par l’utilisateur. Cette version inclut à la fois des gains de vitesse significatifs sur les modèles non-convexes et plusieurs nouvelles fonctionnalités pour faciliter la modélisation et le paramétrage d’Artelys Knitro.

Consultez nos cas d’utilisation Artelys Knitro pour en savoir plus !

Nouveaux outils pour le paramétrage du solveur et la récupération d’informations

• Récupération de la meilleure itération réalisable :

Les utilisateurs peuvent désormais récupérer la meilleure solution réalisable trouvé lors de l’optimisation avec des fonctions API dédiées ou via des options utilisateur.

• Initialisation à partir d’un fichier :

Une nouvelle option permet aux utilisateurs de spécifier un fichier pour initialiser les algorithmes d’optimisation, ce qui simplifie la configuration des modèles complexes.

• Gestion améliorée du temps

L’option de temps maximum permet désormais aux utilisateurs de fixer une limite de temps globale pour les résolutions simples, multi-start, multi-algorithmes, tuner ou MIP. D’autres options offrent un contrôle précis du temps sur les résolutions de sous-problèmes.

Pour en savoir plus sur Knitro 14.2 et ses capacités, visitez la documentation officielle ou consultez les notes de version détaillées.

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.

Nous sommes heureux d’annoncer la sortie de la version 14.1 d’Artelys Knitro, notre solveur d’optimisation non linéaire, qui offre plus d’efficacité et de précision sur toutes les classes de problèmes, des modèles linéaires (LP) aux problèmes non linéaires mixtes en nombres entiers (MINLP) particulièrement complexes.

Cette nouvelle version apporte des améliorations spécifiques aux modèles quadratiques (QP) et aux modèles quadratiques sous contrainte quadratique (QCQP), qu’ils soient convexes ou non convexes. Les modèles quadratiques apparaissent dans de nombreuses applications industrielles telles que l’optimisation de portefeuille en finance, la commande prédictive en chimie ou en robotique, les régressions au sens des moindres carrés ou les problèmes de pooling dans l’industrie pétrolière ou les réseaux d’eau.

Consultez nos cas d’utilisation Artelys Knitro pour en savoir plus !

Mises à jour des interfaces

Plusieurs interfaces offrent de nouvelles fonctionnalités pour améliorer la facilité d’utilisation et la flexibilité offerte à l’utilisateur :

• L’interface AMPL offre désormais une meilleure gestion des points initiaux partiels.
• L’interface MATLAB a été optimisée pour permettre la mutualisation des évaluations coûteuses communies à la fonction objectif et aux fonctions de contrainte.
• L’interface Julia supporte désormais les nouvelles versions de Julia 1.10.2+.

Pour une présentation détaillée des fonctionnalités et améliorations d’Artelys Knitro 14.1, veuillez vous référer à nos notes de version.

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.

— Nous avons le plaisir d’annoncer qu’Artelys Knitro 14 est maintenant disponible !

Artelys, leader mondial des solutions d’optimisation, est heureux d’annoncer la sortie d’Artelys Knitro 14, la dernière version de son logiciel d’optimisation phare.

Artelys Knitro 14 marque une étape importante en permettant aux entreprises de résoudre des problèmes complexes d’optimisation non linéaire avec une efficacité et une précision sans précédent.

Principales améliorations d’Artelys Knitro 14 :

 1. Performances accrues : Artelys Knitro 14 est 26% plus rapide que Knitro 13.2 sur les modèles non linéaires en nombres entiers (MINLP) convexes grâce aux développements liés aux coupes, presolve et heuristiques parallèles. Ces améliorations successives permettent à nos utilisateurs de résoudre leurs instances industrielles les plus complexes dans des secteurs variés tels que la finance, l’énergie, la logistique et la robotique.

 2. Interface utilisateur améliorée : Artelys Knitro 14 dispose d’une interface utilisateur améliorée, offrant une expérience plus intuitive et ergonomique. La documentation, les tutoriels et les cas d’application ont été améliorés, ce qui permet aux nouveaux utilisateurs comme aux plus expérimentés d’exploiter plus facilement les puissantes fonctionnalités du logiciel.

 3. Nouvelles compatibilités : En réponse aux commentaires des utilisateurs, Artelys Knitro 14 inclut des mises à jour assurant la compatibilité avec les derniers systèmes d’exploitation et langages de programmation. Cela garantit une intégration transparente dans divers environnements informatiques, permettant aux utilisateurs d’exploiter le logiciel sur différentes plates-formes. En particulier, les utilisateurs d’Apple Silicon peuvent désormais accéder à Artelys Knitro via une interface Matlab native.

Pour une présentation détaillée des fonctionnalités et améliorations d’Artelys Knitro 14, veuillez vous référer à nos notes de version.

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.

Qu’est-ce que CasADi ?

CasADi est originellement un outil de dérivation automatique (DA) utilisant une syntaxe empruntée au système de calcul formel – Computer Algebra Systems (CAS) en anglais – qui a maintenant évolué en un outil polyvalent d’optimisation numérique de type descente de gradient. L’utilisateur peut modéliser, résoudre et mener des analyses de sensibilité sur des systèmes d’équations différentielles ordinaires (EDO) ou algébriques, ou encore formuler et résoudre des problèmes de programmation non linéaire – Non-Linear Programming (NLP, MINLP) – et de commande optimale en utilisant l’information sur les dérivées issue de la dérivation automatique.

L’outil permet d’implémenter rapidement et efficacement diverses techniques de commande optimale, que ce soit en boucle ouverte ou en commande prédictive non linéaire – Non-linear Model Predictive Control (NMPC).

Le fondement de CasADi est un langage symbolique utilisant la dérivation automatique directe ou inverse sur des graphes d’expressions pour construire des gradients, des jacobiennes et des hessiennes de grande taille et creuses.

Interface avec Artelys Knitro

Pour chaque type de problème mentionné plus haut, CasADi est capable d’appeler des solveurs appropriés comme Artelys Knitro, un solveur d’optimisation spécialisé dans la résolution de problèmes non linéaires. Cela est particulièrement utile pour résoudre des problèmes non linéaires de grande taille rencontrés en robotique, typiquement en planification de trajectoires.

Dans une actualité précédente, nous avions par exemple abordé un article issu du Biomimetic Robotics Lab du MIT dans lequel les auteurs ont utilisé CasADi et Knitro pour la commande en temps réel de leurs robots marcheurs : le MIT Mini Cheetah et le MIT Humanoid.

La nouveauté est que les versions de CasADi égale et supérieures à v3.6.2 seront dorénavant compatibles avec la version v13.2 de Knitro.

Cette dernière version de Knitro offre de nombreuses améliorations par rapport à la dernière version compatible avec CasADi, dont plusieurs sont particulièrement pertinentes dans ce contexte :

Applications

Les applications de CasADi sont multiples : conception de systèmes, estimation de paramètres, commande prédictive, estimation à horizon fuyant. Dans ces applications, CasADi est soit utilisée directement, soit embarquée dans un logiciel tiers.

Dans le cas d’application du MIT Mini Cheetah mentionné plus haut, un modèle de commande prédictive non linéaire est implémenté pour trouver la position d’atterrissage optimale en cas de chute. Cela nécessite de l’optimisation non linéaire de trajectoire avec des contraintes de complémentarité dues aux contacts. Une chute étant très brève, les performances en temps réel sont cruciales. Par conséquent, Knitro a été choisi pour sa rapidité, sa robustesse et son traitement spécifique des contraintes de complémentarité.

Dans cet article est proposée une nouvelle formulation pour l’optimisation de trajectoire de drones multi-rotors qui présente la nouveauté de prendre en compte la gravité, la trainée et les contraintes liées au chemin à suivre et aux obstacles. Il en résulte un problème non linéaire modélisé dans CasADi et résolu avec Knitro. Grâce à cette nouvelle approche combinée au solveur Knitro, les auteurs ont été capables de converger vers une solution optimale même en l’absence de bon point initial.

Ce cas d’application fait également appel à CasADi pour planifier des mouvements multi-contacts pour des robots marcheurs afin de traverser des surfaces irrégulières. À cause des perturbations qui peuvent survenir dans le monde réel, la planification en temps réel des mouvements est indispensable. Pour cela, les auteurs utilisent la planification à horizon fuyant – Receding Horizon Planning (RHP) – qui vise à mettre constamment à jour la planification du mouvement. Cette génération de trajectoire est un problème d’optimisation non linéaire de grande taille, d’où le choix du solveur Knitro.

Ce mémoire porte sur l’optimisation de la stratégie de course en Formule E. Dans cette catégorie, la gestion de l’énergie est cruciale. Définir la meilleure trajectoire en utilisant uniquement les données GPS des limites de la piste est un problème hautement non linéaire. C’est pourquoi CasADi et Knitro ont été utilisés pour calculer la répartition optimale de l’énergie sur un seul tour d’abord, puis sur la totalité du grand prix.

Découvrez d’autres cas d’utilisation d’Artelys Knitro sur notre page et d’autres applications de CasADi dans cet article.

Si vous souhaitez en savoir plus sur Artelys Knitro, consultez notre page web dédiée.

Les programmes 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. Plusieurs exemples peuvent être trouvés dans notre bibliothèque de cas d’utilisation d’Artelys Knitro, y compris des formulations MINLP couvrant des applications variées telles que le dimensionnement des infrastructures de bornes de recharge des véhicules électriques, la détection et l’isolation efficace des défauts (FDI) sur les systèmes complexes et bien d’autres encore !

Artelys Knitro 13.2 est plus robuste et converge uniformément en moins de temps vers l’optimalité sur les MINLP grâce à plusieurs développements :

En particulier, Artelys Knitro 13.2 résout 12 instances supplémentaires sur le benchmark MINLPLib par rapport à Artelys Knitro 13.1. De plus, cette nouvelle version converge vers un optimum global sur 9% d’instances non convexes supplémentaires de la librairie MINLPLib2.

Si vous voulez en savoir plus sur le solveur Artelys Knitro, vous pouvez nous contacter ou visiter notre page dédiée.

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. Lors d’une étude récente, un rapport sur l’optimisation dans le secteur des jeux numériques a exploré l’utilisation de modèles similaires pour améliorer les performances des plateformes comme en maximisant l’efficacité des algorithmes de recommandation et en optimisant l’expérience utilisateur. Ces approches démontrent l’efficacité des outils mathématiques pour résoudre des problèmes réels dans divers domaines, allant de l’ingénierie aux plateformes numériques.

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 :

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 :

Si vous voulez en savoir plus sur le solveur Artelys Knitro, vous pouvez nous contacter ou visiter notre page dédiée.

Artelys Knitro est le solveur le plus avancé en termes d’optimisation non linéaire. Des centaines de clients dans le monde entier font confiance à l’efficacité et à la robustesse d’Artelys Knitro dans de nombreuses applications commerciales et industrielles pour résoudre leurs problèmes d’optimisation non linéaire.

Les problèmes non linéaires en variables mixtes (MINLP) possèdent de nombreuses applications dans un large éventail de domaines incluant notamment le génie chimique, la finance, les réseaux électriques et l’industrie manufacturière. Artelys Knitro 13 introduit un nouvel algorithme branch-and-bound parallèle pour résoudre les problèmes MINLP les plus complexes en profitant des capacités de calcul croissantes de nos clients. Artelys Knitro 13 utilisant 4 threads sur des instances MINLP difficiles (nécessitant plus de 100 secondes pour être résolues) est 5 fois plus rapide que Artelys Knitro 12.4.

Par ailleurs, Artelys Knitro 13 apporte une amélioration des performances de 18% en moyenne sur les problèmes non linéaires continus difficiles.

De plus, Artelys Knitro 13 apporte :

Si vous voulez en savoir plus sur le solveur Artelys Knitro, vous pouvez nous contacter ou visiter notre page dédiée.

Optimisation de la trajectoire d’un robot 

Le laboratoire de robotique biomimétique du Massachusetts Institute of Technology (MIT) a utilisé Artelys Knitro pour le contrôle en temps réel de ses robots : le MIT Mini Cheetah et le MIT Humanoid. L’optimisation de la trajectoire est un processus essentiel pour le contrôle en temps réel des robots. Le contrôle optimal des robots quadrupèdes est un problème difficile qui doit faire face à une dynamique hybride non linéaire et à une cinématique complexe à haut degré de liberté. Dans le cas du Mini Cheetah, ce processus d’optimisation est utilisé pour planifier des mouvements compliqués tels que des sauts, des pirouettes aériennes, des flips arrière et des tonneaux.

La possibilité d’effectuer ces mouvements élargit considérablement la gamme d’environnements que le robot est capable de traverser, ce qui est crucial car ces robots sont destinés à être déployés de manière opérationnelle. Depuis que le laboratoire a intégré Artelys Knitro dans son logiciel, il a pu mettre en œuvre un certain nombre de nouveaux contrôleurs en temps réel sur leurs robots en utilisant l’optimisation non linéaire. Même après avoir testé d’autres solveurs d’optimisation non linéaire de pointe, Artelys Knitro était le seul capable d’être suffisamment rapide pour être déployé à bord de leur robot.

Contrôle prédictif du modèle

Pour le Mini Cheetah, un contrôle prédictif du modèle (MPC) non linéaire a été utilisé pour l’atterrissage. L’optimisation a été formulée avec des contraintes de complémentarité, ce qui rend le programme non linéaire (NLP) difficile pour de nombreux solveurs, mais Artelys Knitro a pu le résoudre à environ 5-10 Hz (entre 5 et 10 problèmes résolus par seconde). L’équipe a utilisé une optimisation de trajectoire non linéaire incluant des contraintes de complémentarité de contact pour trouver des postures d’atterrissage optimales. Les performances en temps réel étant très importantes pendant la courte durée d’une chute, Artelys Knitro a été préféré à d’autres solveurs pour sa convergence rapide et fiable.

Pour l’humanoïde du MIT, un contrôleur prédictif non linéaire a été mis en œuvre qui s’appuie sur les bras du robot pour améliorer son équilibre. L’optimisation non linéaire complexe peut résoudre les mouvements complexes des bras en réponse à de grandes perturbations. Artelys Knitro a résolu ces mouvements à 40 Hz et a contribué à la démonstration d’atterrissages réussis.