Un langage de modélisation intégré à Python pour les problèmes d'optimisation convexe. Il permet d'exprimer le problème de manière naturelle, en respectant les principes mathématiques, plutôt que sous la forme standard restrictive exigée par les solveurs.
CVXPY
- Python
- IA et apprentissage automatique, Analyse des données, Mathématiques, Contrôle des processus
- Artificial Intelligence (AI), Optimisation de la conception, Machine Learning, Logiciel, Statistical Analysis
Caractéristiques :
- Permet de spécifier les problèmes d'optimisation à l'aide d'une syntaxe mathématique naturelle, prend en charge différents types d'optimisation convexe (LP, QP, SOCP, SDP, MILP), s'interface avec de nombreux solveurs open source et commerciaux (par exemple, ECOS, SCS, MOSEK, Gurobi), et effectue une analyse de programmation convexe disciplinée (DCP).
Prix :
- Gratuit
- Syntaxe conviviale pour la définition des problèmes d'optimisation, transformation automatique des problèmes en formes compatibles avec les solveurs, puissant pour une large gamme d'applications, bonne documentation et exemples.
- Limitée aux problèmes d'optimisation convexe (et convexe mixte en nombres entiers), les performances dépendent du solveur sous-jacent, les règles DCP peuvent être restrictives pour les nouveaux utilisateurs.
Idéal pour :
- Chercheurs et ingénieurs qui ont besoin de modéliser et de résoudre des problèmes d'optimisation convexe dans divers domaines tels que le contrôle, la finance, l'apprentissage automatique et la recherche opérationnelle.