Lingo：大数据时代下的线性·非线性·整数规划的优化建模软件

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

Lingo：大数据时代下的线性·非线性·整数规划的优化建模软件

说到Lingo，很多人可能一直对之了解都是比较模糊。在如今大数据时代下，很多的统计数据分析和数据挖掘软件都如雨后春笋般发挥着自己勃勃生机的生命力。对于即将从事和正在从事数据分析和数据挖掘的朋友，熟悉并掌握到Lingo是非常重要的。对于这用于线性·非线性·整数规划的优化建模软件之Lingo，下面好好来讲讲其基本理论知识和基本的数据分析用途及其作用。

LINGO综述

LINGO是一套设计用来使构建和求解线性，非线性和整数优化模型更快，更容易和更有效的功能强大的工具。LINGO提供了一套完成集成的软件包，包括用来表述优化模型的语言，用于构建和编辑问题的完全功能环境，和一套快速的内置求解器。最新版本LINGO 13.0包括了一些显著的增强和新特征。点击这里来获得有关新特征的更多的信息。

LINGO关键特征

方便的模型表达

-LINGO将帮助您节省您的开发时间。它让您以一种高度的可读形式来快速公式化您的线性，非线性和整数问题。LINGO的建模语言允许您使用汇总和下标变量以一种易懂的直观的方式来表达模型，非常类似您在使用纸和笔。模型更加容易构建，更容易理解，因此也更容易维护。

方便的数据选项

-LINGO让您管理您的数据不再费时间和麻烦。它允许您直接从数据库和电子表格程序中提取数据来构建模型.同样的,LINGO能够直接输出解答信息到数据库或电子表格程序中,使得您能够在您选择的应用程序中生成报告.

强大的求解器

-LINGO拥有一整套快速的,内建的求解器用来求解线性的,非线性的(球面&非球面的),二次的,二次约束的,和整数优化问题.您甚至不需要指定或启动特定的求解器,因为LINGO会读取您的方程式并自动选择合适的求解器.

交互式模型或创建Turn-key应用程序

-您能够在LINGO内创建和求解模型,或您能够从您自己编写的应用程序中直接调用LINGO.对于开发交互式模型,LINGO提供了一整套建模环境来构建,求解和分析您的模型.对于构建turn-key解决方案,LINGO提供的可调用的DLL和OLE界面能够从用户自己写的程序中被调用.LINGO也能够从Excel宏或数据库应用程序中被直接调用.

详尽的文档和帮助

LINGO提供了所有的您需要快速启动和运行的工具.您能得到一本LINGO User Manual(以打印的格式,可通过在线帮助获得),该手册详尽的描述了程序的命令和功能.同样高级版本带有一本更大的Optimization Modeling with LINGO手册,这是一本综合教科书,讨论了所有主要的线性,整数和非线性优化问题分类.LINGO同时还带有许多基于真实世界的案例可用来修改和扩展.

强大的LINGO求解器

LINGO包含一系列内建的求解器用来处理大量的问题.不像许多建模包,所有的LINGO求解器是直接链接到建模环境的.这种无缝的集成允许LINGO直接把问题在内存中传递给合适的求解器,而不需要通过速度较慢的中间文件.这种链接也最小化了建模组件和求解器组件之间的兼容性问题.

线性求解器

LINGO有下面三种先进的求解器用以处理线性问题.

主偶单纯求解器

Base版本包括主偶单纯求解器,结合了众多增强部分用以最大化求解速度和稳定性.定价选项,例如,包括局部定价和Devex.求解器根据问题特征动态选择最佳定价选项.

Barrier求解器

可选的Barrier求解器提供了求解线性模型的备选方法.Barrier选项利用barrier或内点算法来求解线性模型.不像单纯性求解器沿着可行区域的外部移动,Barrier求解器从内部空间移动来寻找最优解.依据某个特定模型的大小和结构,Barrier求解器可能比单纯求解器显著快的多,并能在对大型线性模型时可提供极快的速度-特别是面对带有5000个约束或高度衰退的稀疏模型时.使用Barrier求解器需要订购Barrier许可选项.

整数求解器

对于带有通用或二元整数限制的模型,LINGO包含整数求解器来配合线性,非线性,和二次求解器一起工作.对于线性模型,整数求解器包含预处理和众多的约束"删减"生成程序,能大大减少对于大分类的整数模型的求解次数.

非线性求解器

LINGO包含多个方法来查找非线性模型的局部或全局最优解答.

通用非线性求解器

对于非线性规划模型,被LINGO的可选非求解器使用的最主要的优先技术是基于一般化缩减梯度(Generalized Reduced Gradient，GRG)算法.然而,为了快速的得到一个好的可行的解答,LINGO同样集成了连续线性规划(SLP).非线性求解器利用稀疏来改善速度和更有效的内存使用.使用非线性求解器需要订购非线性许可选项.

Global求解器

局部搜索求解器通常被设计用来寻找唯一值直到他们已经确定了一个局部最优解.如果模型是非球面的,其它的局部最优解可能存在,而且是显著更好的解答.除了在找到第一个本地最优解后停止外,全局求解器将继续搜索直到全局最优解被确认.全局求解器转换原始的非球面,非线性问题为多个球面的,线性子问题.然后,它使用分支定界技术通过穷尽搜索这些子问题来寻找全局解.要使用全局优化功能需要订购非线性和全局许可选项.

多点搜索求解器

在有限的时间内寻找全局最优解可能会有些限制,多点搜索求解器可能会是一个用来更快的寻找好的解答的强大工具.它聪明的在求解区域内生成了一系列候选开始点.然后,通用非线性求解器智能的选择这些开始点的一个子集来初始化一系列局部最优解.对于非球面非线性模型,被多点搜索求解器返回的解答的质量将优化那些通用非线性求解器.要使用多点搜索功能需要订购非线性和全局许可选项.

二次求解器

除了求解线性和混合整数模型,带有Barrier选项的LINGO能够自动探测和求解那些目标函数和/或约束包含二次条件的模型.通过利用二次结构,LINGO求解模型能够比使用通用非线性求解器求解快的多.LINGO甚至能够处理带有二元和一般整数约束的二次模型.这些二次能力使得LINGO适合处理某些应用,比如投资优化问题,约束回归问题和特定的困难的逻辑问题的分类(例如,布局问题,带有二次目标的固定费用网络问题).二次求解器包含在Barrier许可选项中.

预处理

预处理程序包含在所有的求解器中.线性和非线性求解器包含比例和模型缩减技术.缩放比例程序能够改善numerically difficult模型的求解速度和稳定性.模型缩减技术通常能够通过分析原始公式和数学化精简到更小的问题中来使得求解更快.整数求解器包含大量的预处理和删减生成程序.

LINGO被设计成求解模型的过程尽量需要从用户获得最少的输入.当求解命令被初始化后,LINGO分析问题,如有可能,缩小问题,甚至替换变量.基于模型结构,LINGO自动选择合适的求解器和智能调整内部参数.

线性化

LINGO的线性能力能够显著的改善带有通用的非光滑函数的模型的性能.这个特征能够自动转换许多非光滑函数和操作符(例如,@IF, @MAX 和 @ABS)为一系列线性的,数学的相当的表达式.同样的,一个连续和二元的变量的乘积能够被线性化.许多非光滑模型能够被完全线性化.这允许线性求解器快速找到那些困难问题的一个全局解.

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：大数据时代下 lingo 大数据时代 整数规划 优化建模 Lingo：大数据时代下的线性·非线性·整数规划的优化建模软件 Lingo 大数据时代 线性·非线性·整数规划的优化建模软件

    提几个建议
    1. 最新版是15.0， 不是13.0，估计16.0也快了；
    2. 特色功能如解决多阶段随机规划模型SP的求解方法，机会约束模型CCP的求解方法，很少有求解器目前支持这两种功能；
    3. 早就有，一直被忽视的Black box optimization以及最近加入的SDP（半定规划，整合的Mosek的功能， LINGO中函数为@PSD()）.
    4. LP/QP/MILP/MIQP/MIQCP/MISOCP（convex），这些问题总体来说LINGO效率目前远不及state-of-the-art，这是最大的缺陷了，另外Mosek的内点法还没有完全扩展至求解通用的NLP, CONOPT的GRG一般还是在大规模上慢些。

现在，随着社交媒体的兴起，零售企业有必要也有可能从微博、博客、论坛等社交媒体上了解与企业和经营相关的信息。以前，企业的IT架构不具备处理海量社交媒体数据的能力，但是现在，实时、快速地处理大量的非结构化数据已经成了一种常态。

数据分析工作，在绝大部分情况下的目的在于用统计学的手段揭示数据所呈现的一些有用的信息，比如事物的发展趋势和规律；又或者是去定位某种或某些现象的原因；也可以是检验某种假设是否正确（心智模型的验证）。因此，数据分析工作常常用来支持决策的制定。


软件只是帮助我们完成任务的工具。并不是我们只要学好的软件操作就能很好地完成任务，因为与操作相比，如何解释最后的结果要重要的多。即使软件操作的再熟，如果看不懂结果，那跟不会才做没有两样。
数据分析这个岗位可以说很宽泛很杂，从数据录入员到行业分析师专家都可以认为是数据分析，甚至一些搞数据挖掘、人工智能的都可以包括到数据分析的范畴里，但是这些工作所做的事情却相差甚远，当然待遇也天壤之别。所以大家在应聘时不要只看岗位名称，重要的是看看清岗位职责和要求。


数据分析很多情况下需要用到成型的分析工具，比如EXCEL、SPSS，或者SAS、R。一个完全不懂编程，不会敲代码的人完全有可能是一名好的数据分析师，因为一般情况下OFFICE包含的几个工具已经可以满足大多数数据分析的要求了。很多的数据分析人员做的工作都是从原始数据到各种拆分汇总，再经过分析，最后形成完整的分析报告。当然原始数据可以是别人提供，也可以自己提取。


"通过学习数据分析课程，待到学成大数据分析以后，你就能以一名专业的数据分析师的身份在职场里彰显自己的价值。
数据分析师像医生一样能诊断企业问题，站在自己的专业角度，为业务人员提供专业的建议并能够坚定的去落实，能为非专业的决策人物提供建议。“Doctor”在英文里面又有“博士”的意思。作为一名专业数据分析师应该是博采众长的，软件、业务、数学、逻辑思维、沟通、心理、社会、市场营销等等。路漫漫其修远兮，吾将上下而求索！"

大数据不是越大越好，大数据分析有三个原则：第一，简单，分析出来的结果必须非常非常简单，没有任何花哨的东西，任何人都能够看明白看懂。第二，迅速，分析速度越慢接受度越低，越快接受度越高。第三，规模化，希望公司内部所有的员工每一个人都能够用数据来分析帮他们做决策，很快的做决策。

一个合格的数据分析从业者，需要对自己的分析和结果负责，不能下结论的情况下，不要妄下定论，更不能有意扭曲事实。同时还要不断充实数据分析方面的知识技能，尽量避免出现无意识的错误。