OptimJ - OptimJ

OptimJ
Парадигмаобъектно-ориентированный
РазработаноAteji
Впервые появился2006 (2006)
Интернет сайтwww.Ateji.com
Под влиянием
Ява

OptimJ это расширение для Ява с языковой поддержкой для написания моделей оптимизации и абстракций для массовой обработки данных. Расширения и собственный продукт, реализующий расширения, были разработаны компанией Ateji, которая прекратила свою деятельность в сентябре 2011 года.[1]OptimJ нацелен на предоставление ясной и сжатой алгебраической нотации для моделирования оптимизации, устранение барьеров совместимости между оптимизационным моделированием и инструментами прикладного программирования, а также предоставление специалистам по оптимизации методов разработки программного обеспечения, таких как объектно-ориентированная и современная среда IDE.

Модели OptimJ напрямую совместимы с исходным кодом Java, существующими библиотеками Java, такими как доступ к базе данных, соединение с Excel или графические интерфейсы. OptimJ совместим с такими инструментами разработки, как Eclipse, CVS, JUnit или JavaDoc. OptimJ доступен бесплатно со следующими решателями: lp_solve, glpk, LP или MPS форматы файлов, а также поддерживает следующие коммерческие решатели: Гуроби, МОСЕК, IBM ILOG CPLEX Optimization Studio.

Языковые концепции

OptimJ объединяет концепции объектно-ориентированных императивных языков с концепциями из языки алгебраического моделирования для задач оптимизации. Здесь мы рассмотрим концепции оптимизации, добавленные в Java, начиная с конкретного примера.

Пример раскраски карты

Цель раскраска карты Проблема заключается в том, чтобы раскрасить карту так, чтобы регионы, имеющие общую границу, имели разные цвета. В OptimJ это можно выразить следующим образом.

упаковка Примеры;// простая модель для задачи раскраски картыобщественный модель Простая раскраска решатель lpsolve{  // максимальное количество цветов  int nbColors = 4;  // переменные решения содержат цвет каждой страны  вар int Бельгия в 1 .. nbColors;  вар int Дания в 1 .. nbColors;  вар int Германия в 1 .. nbColors;  // соседние страны должны иметь другой цвет  ограничения {    Бельгия != Германия;    Германия != Дания;  }  // основная точка входа для тестирования нашей модели  общественный статический пустота главный(Нить[] аргументы)  {    // создаем экземпляр модели    Простая раскраска м = новый Простая раскраска();    // Найди решение    м.извлекать();    м.решать();    // распечатать решения    Система.из.println(«Бельгия:» + м.ценить(м.Бельгия));    Система.из.println("Дания:" + м.ценить(м.Дания));    Система.из.println("Германия: " + м.ценить(м.Германия));  }}

Читатели, знакомые с Java, заметят сильное сходство с этим языком. Действительно, OptimJ - это консервативное расширение of Java: каждая допустимая программа Java также является допустимой программой OptimJ и имеет такое же поведение.

Этот пример раскраски карты также показывает особенности оптимизации, которые не имеют прямого эквивалента в Java, представленные ключевыми словами модель, вар, ограничения.

Специфические концепции OR

Модели

Модель - это расширение класса Java, которое может содержать не только поля и методы, но также ограничения и целевую функцию. Он вводится модель ключевое слово и следует тем же правилам, что и объявления классов. Неабстрактная модель должна быть связана с решателем, введенным ключевым словом решатель. Возможности решателя будут определять, какие ограничения могут быть выражены в модели, например, линейный решатель, такой как lp решить допускает только линейные ограничения.

общественный модель Простая раскраска решатель lpsolve

Переменные решения

Императивные языки, такие как Java, предоставляют понятие императивные переменные, которые в основном представляют собой области памяти, в которые можно записывать и читать.

OptimJ также вводит понятие переменной решения, которая в основном представляет собой неизвестную величину, значение которой ищется. Решение проблемы оптимизации - это набор значений для всех ее переменных решения, который учитывает ограничения проблемы - без переменных решения было бы невозможно выразить проблемы оптимизации. Термин «переменная решения» исходит от сообщества оптимизаторов, но переменные решения в OptimJ - это то же понятие, что и логические переменные в логических языках, таких как Prolog.

У переменных решения есть особые типы, представленные ключевым словом вар. Существует вар type для каждого возможного типа Java.

  // тип var для примитивного типа Java  вар int Икс;  // тип var для определяемого пользователем класса  вар Мой класс y;

В примере раскраски карты переменные решения были введены вместе с диапазоном значений, которые они могут принимать.

  вар int Германия в 1 .. nbColors;

Это просто сокращение, эквивалентное наложению ограничения на переменную.

Ограничения

Ограничения выражают условия, которые должны выполняться при любом решении проблемы. Ограничением может быть любое логическое выражение Java, включающее переменные решения.

В примере раскраски карты этот набор ограничений гласит, что в любом решении задачи раскраски карты цвет Бельгии должен отличаться от цвета Германии, а цвет Германии должен отличаться от цвета Дании.

  ограничения {    Бельгия != Германия;    Германия != Дания;  }

Оператор != - стандартный оператор неравенства Java.

Ограничения обычно входят в пакеты и могут быть количественно определены с помощью для всех оператор. Например, вместо явного перечисления всех стран и их соседей в исходном коде можно иметь массив стран, массив переменных решения, представляющих цвет каждой страны, и массив логическое [] [] соседнее или предикат (логическая функция) логическое isNeighbor (). 

ограничения {  для всех(Страна c1 : страны, Страна c2 : страны, :isNeighbor(c1,c2)) {    цвет[c1] != цвет[c2];  }}

Страна c1: страны это генератор: он повторяет c1 по всем значениям в коллекции страны.

: isNeighbor (c1, c2) является фильтром: он сохраняет только сгенерированные значения, для которых предикат истинен (символ : можно читать как «если»).

Предполагая, что массив страны содержит Бельгия, Германия и Дания, и что предикат isNeighbor возвращается истинный для пар (Бельгия , Германия) и (Германия, Дания), то этот код эквивалентен блоку ограничений исходного примера раскраски карты.

Цели

При желании, когда модель описывает проблему оптимизации, в модели может быть указана целевая функция, которую необходимо минимизировать или максимизировать.

Универсальные концепции

Универсальные концепции - это концепции программирования, которые не являются специфическими для задач ИЛИ и имеют смысл для разработки любого вида приложений. Универсальные концепции, добавленные в Java с помощью OptimJ, упрощают или упрощают выражение моделей ИЛИ. Они часто присутствуют в более старых языках моделирования и, таким образом, предоставляют специалистам по операционной системе знакомый способ выражения своих моделей.

Ассоциативные массивы

В то время как массивы Java могут индексироваться только целыми числами с отсчетом от 0, массивы OptimJ могут индексироваться значениями любого типа. Такие массивы обычно называют ассоциативные массивы или карты. В этом примере массив возраст содержит возраст лиц, идентифицированных по их имени:

  int[Нить] возраст;

Тип int [String] обозначающий массив int проиндексировано Нить. Доступ к массивам OptimJ с использованием стандартного синтаксиса Java:

  возраст["Стефан"] = 37;  Икс = возраст["Линда"];

Традиционно ассоциативные массивы широко используются при выражении задач оптимизации. Ассоциативные массивы OptimJ очень удобны, когда связаны с их специфическим синтаксисом инициализации. Начальные значения можно указать в содержательное определение, как в:

int[Нить] возраст = {   "Стефан" -> 37,  "Линда"   -> 29 };

или может быть дан в экстенсиональное определение, как в:

  int[Нить] длина[Нить имя : имена] = имя.длина();

Здесь каждая из записей длина [я] инициализируется имена [i] .length ().

Расширенная инициализация

Кортежи

Кортежи повсеместно используются в вычислениях, но отсутствуют в большинстве основных языков, включая Java. OptimJ предоставляет понятие кортежа на уровне языка, которое может быть очень полезно в качестве индексов в сочетании с ассоциативными массивами.

  (: int, Нить :) myTuple = новый (: 3, "Три" :);  Нить s = myTuple#1;

Типы кортежей и значения кортежей записываются между (: и :).

Диапазоны

Понимания

Понимания, также называемые агрегатными операциями или редукциями, представляют собой выражения OptimJ, которые расширяют данную двоичную операцию над набором значений. Типичный пример - сумма:

  // сумма всех целых чисел от 1 до 10  int k = сумма { я | int я в 1 .. 10};

Эта конструкция очень похожа на большую сигму. суммирование обозначение, используемое в математике, с синтаксисом, совместимым с языком Java.

Понимания также могут использоваться для создания коллекций, таких как списки, наборы, мультимножества или карты:

  // набор всех целых чисел от 1 до 10  HashSet<Целое число> s = `hashSet(){ я | int я в 1 .. 10};

Выражения понимания могут иметь произвольное выражение в качестве цели, например:

  // сумма всех квадратов целых чисел от 1 до 10  int k = сумма { я*я | int я в 1 .. 10};

Также они могут иметь произвольное количество генераторов и фильтров:

  // сумма всех f (i, j) для 0 <= i <10, 1 <= j <= 10 и i! = j   int k = сумма{ ж(я,j) | int я : 10, int j : 1 .. 10, :я!=j }

Понимание не обязательно должно применяться только к числовым значениям. Компоненты построения наборов или мультимножеств, особенно в сочетании с кортежами строк, позволяют выражать запросы, очень похожие на запросы к базе данных SQL:

  // выбираем имя среди лиц старше 18 лет  `multiSet(){ п.имя | Человек п : человек, :п.возраст > 18 }

В контексте моделей оптимизации выражения понимания обеспечивают краткий и выразительный способ предварительной обработки и очистки входных данных, а также форматирования выходных данных.

Среда разработки

OptimJ доступен как подключаемый модуль Eclipse. Компилятор реализует перевод из источника в источник от OptimJ до стандартной Java, что обеспечивает немедленную совместимость с большинством инструментов разработки экосистемы Java.

OptimJ GUI и быстрое прототипирование

Поскольку компилятор OptimJ знает структуру всех данных, используемых в моделях, он может генерировать структурированное графическое представление этих данных во время компиляции. Это особенно актуально в случае ассоциативных массивов, где компилятор знает коллекции, используемые для индексации различных измерений.

Основное графическое представление, созданное компилятором, напоминает Куб OLAP. Затем его можно настроить различными способами, от простой раскраски до предоставления новых виджетов для отображения элементов данных.

Графический пользовательский интерфейс OptimJ, созданный компилятором, избавляет эксперта по операционной от необходимости писать весь связующий код, необходимый для сопоставления графических библиотек с данными. Он позволяет быстро создавать прототипы, обеспечивая немедленные визуальные подсказки о структуре данных.

Другая часть графического интерфейса пользователя OptimJ сообщает статистику производительности решателя в реальном времени. Эта информация может быть использована для понимания проблем производительности и сокращения времени решения. В настоящее время он доступен только для lp_solve.

Поддерживаемые решатели

OptimJ доступен бесплатно со следующими решателями lp_solve, glpk, LP или MPS, а также поддерживает следующие коммерческие решатели: Гуроби, Мосек, IBM ILOG CPLEX Optimization Studio.

внешняя ссылка

Рекомендации

  1. ^ «Атеджи закрыт». Получено 2012-01-11.