Mosek ApS Mosek 7.1.0.63 x86
- کاربرد : نرم افزار حل و بهینه سازی مسائل ریاضی
- نسخه :Version 7.1.0.63 x86
- نوع فایل : نرم افزار
- زبان : انگلیسی
- سیستم عامل : Windows 32 Bit
- تولید کننده : Mosek ApS
- سال تولید : 2018
توضیحات
برای حل و بهینه سازی مسائل ریاضی کاربرد دارد. از جمله مسائلی که نرم افزار حاضر قادر به حل آن ها است می توان به مسائل خطی، درجه دوم مخروطی، ماتریس، درجه دوم و درجه دوم محدود، غیر خطی محدب، مخلوط عدد صحیح خطی، مخروطی، درجه دوم مکعب و ... اشاره نمود. همچنین اندازه و مقیاس مسائلی که این برنامه قادر به حل آن ها است نامحدود است چرا که می تواند از نهایت ظرفیت CPU برای حل و بهینه سازی مسائل بهره ببرد. این برنامه قابلیت دسترسی و حل مسائل به چندین زبان برنامه نویسی از جمله C/C++ ،Java ،.NET ،Python و Matlab را نیز در اختیار کاربران قرار می دهد.
قابلیت های کلیدی نرم افزار Mosek:
- حل مسائل ریاضی با مقیاس متفاوت
- بهینه سازی مسائل ریاضی
- خواندن و نوشتن فایل هایی با فرمت MPS و LP
- بهینه سازی سیمپلکس به صورت اولیه و دوگانه برای برنامه نویسی خطی
- حل مسائل پیش از بهینه سازی برای کاهش حجم مسئله
- شبکه سیمپلکس برای مسائلی با ساختار شبکه ای
- قابلیت برنامه نویسی و حل مسائل با زبان های مختلف از جمله C و java
- دارای الگوریتم های مختلف برای حل مسائل اعداد مختلط
- و ...
قابلیت های کلیدی نرم افزار Mosek:
- حل مسائل ریاضی با مقیاس متفاوت
- بهینه سازی مسائل ریاضی
- خواندن و نوشتن فایل هایی با فرمت MPS و LP
- بهینه سازی سیمپلکس به صورت اولیه و دوگانه برای برنامه نویسی خطی
- حل مسائل پیش از بهینه سازی برای کاهش حجم مسئله
- شبکه سیمپلکس برای مسائلی با ساختار شبکه ای
- قابلیت برنامه نویسی و حل مسائل با زبان های مختلف از جمله C و java
- دارای الگوریتم های مختلف برای حل مسائل اعداد مختلط
- و ...
Description
The MOSEK optimization software is designed to solve large-scale mathematical optimization problems. MOSEK main features are listed below. For additional questions, contact our support or browse the online documentation.
Problem types MOSEK can solve
- Linear
- Conic quadratic
- Semidefinite (Positive semidefinite matrix variables)
- Quadratic and quadratically constrained
- General convex nonlinear
- Mixed integer linear, conic and quadratic
Technical highlights
- Problem size limited only by the available memory.
- Interior-point optimizer with basis identification.
- Primal and dual simplex optimizers for linear programming.
- Highly efficient presolver for reducing problem size before optimization.
- Network-simplex for problems with network flow structure.
- Branch&bound&cut algorithm for mixed integer problems.
Strengths of MOSEK
The strong point of MOSEK is its state-of-the-art interior-point optimizer for continous linear, quadratic and conic problems.
Parallel capabilities
The interior-point optimizer is capable of exploiting multiple CPUs/cores. A concurrent optimizer is available that makes it possible to solve one problem with different optimizers simultaneously. The default mixed integer optimizer is parallelized and is run-to-run deterministic.
Reads and writes industry standard formats such as the MPS and LP formats. Includes tools for infeasibility diagnosis and repair. Sensitivity analysis for linear problems.
Deployment
The MOSEK optimizer includes several interfaces.
- Developer APIs
- An API provides homogeneous full access to all solvers from several programming languages: C/C++ Java .NET Python Matlab
- MATLAB optimization toolbox
More info (open/close)
Problem types MOSEK can solve
- Linear
- Conic quadratic
- Semidefinite (Positive semidefinite matrix variables)
- Quadratic and quadratically constrained
- General convex nonlinear
- Mixed integer linear, conic and quadratic
Technical highlights
- Problem size limited only by the available memory.
- Interior-point optimizer with basis identification.
- Primal and dual simplex optimizers for linear programming.
- Highly efficient presolver for reducing problem size before optimization.
- Network-simplex for problems with network flow structure.
- Branch&bound&cut algorithm for mixed integer problems.
Strengths of MOSEK
The strong point of MOSEK is its state-of-the-art interior-point optimizer for continous linear, quadratic and conic problems.
Parallel capabilities
The interior-point optimizer is capable of exploiting multiple CPUs/cores. A concurrent optimizer is available that makes it possible to solve one problem with different optimizers simultaneously. The default mixed integer optimizer is parallelized and is run-to-run deterministic.
Reads and writes industry standard formats such as the MPS and LP formats. Includes tools for infeasibility diagnosis and repair. Sensitivity analysis for linear problems.
Deployment
The MOSEK optimizer includes several interfaces.
- Developer APIs
- An API provides homogeneous full access to all solvers from several programming languages: C/C++ Java .NET Python Matlab
- MATLAB optimization toolbox
More info (open/close)
برای اطلاع از طریقه نصب به فایل How to Install.txt رجوع شود.
