GAMS是一款较佳化的计算机数值分析商业软件。这种商业软件相当普遍，如 LINDO、DOT 等，以矩阵运算见长的 MATLAB 计算机软件亦有发展"optimization tool box"，可以解各种非线性较佳化问题的数值解。这里要介绍的GAMS，则是以简单清楚的使用者接口和强健稳定的数值分析能力见长。
通用代数建模系统(GAMS)是特别为建模线性,非线性和混合整数较优化问题而设计的.本系统对于大型的,复杂的问题特别有帮助.GAMS可以运行在个人计算机、工作站、大型机和**级计算机上.
GAMS允许使用者通过制定简单的设置来把精力放在建模问题上.至于特定机器和系统软件执行的费时的细节将由GAMS系统来处理.
通用代数建模系统（GAMS）是数学编程和优化的高级建模系统。它由一个语言编译器和一个稳定的集成各种高性能的求解器组成。GAMS适用于复杂的、大规模的建模应用，并允许您创建大的维护模型以很快的适应新的情况。
独立的模型和求解器
提供**过25个广泛和多样化的求解器组合，包括所有预期的商业化求解器。
LP/MIP/QCP/MIQCP: CPLEX, GUROBI, MOSEK, XPRESS
NLP: CONOPT, IPOPTH, KNITRO, MINOS, SNOPT
MINLP: ALPHAECP, ANTIGONE, BARON, DICOPT, OQNLP, SBB
混合互补问题求解器（MCP）、平衡约束数学规划求解器(MPEC)和约束非线性系统求解器(CNS)
免费捆绑到每个GAMS系统中的 (比如 BONMIN (MINLP), CBC (LP, MIP), COUENNE (MINLP), IPOPT (NLP)。教育版还包括了SCIP和SOPLEX。
选择使用的求解器非常简单---只要改变一行代码或者调整一个选项设置就可以了。想要比较求解器的性能或者看有什么改进的可能，也不需要做任何的设置。同样的，模型类型可以轻松切换（比如：线性和非线性），尝试不同的公式也非常的*。通过使用GAMS，您可以得到一个广泛类型的模型和求解器的环境。
GAMS 使用范例说明
如前所述，GAMS 本身有非常完整的英文版使用者手册，GAMS 的计算机软件中也附带了许多学习范例的档案。这里所作的 GAMS 使用范例说明，目的绝非在取代原版的使用者手册，而是要配合本课程说明的形式，重新编写使用范例输入文件，使读者能很快的进入情况，了解其使用程序。
GAMS 的操作大抵可分为三个步骤：建立 GAMS 输入文件，执行 GAMS 程序，检视 GAMS 输出档内容。
通用代数建模系统（GAMS）是数学编程和优化的高级建模系统。它由一个语言编译器和一个稳定的集成各种高性能的求解器组成。GAMS适用于复杂的、大规模的建模应用，并允许您创建大的维护模型以很快的适应新的情况。
较*的建模系统
专注建模
GAMS允许用户在某种程度上，用跟数学描述非常相似的方式来制定数学模型。看一下这些例子就能说明GAMS模型的基本结构和特征以及与数学表达式的关系。GAMS让用户专注建模，通过要求简洁和精确的实体和关系规范，鼓励良好的建模习惯。GAMS语言与通用编程语言形式相似，因此对于有编程经验的人来说是熟悉的。由于模型的制定方式在某种程度上与它的数学描述类似，所以不仅是程序员，实际领域的*也能理解和维护。GAMS专注于建模并且允许做所有相关的事。
陈述性知识和程序性要素的平衡混合，允许用户在GAMS中构建复杂的算法甚至实现分解方法。尤其是解决异常问题的模型，以及随之而来的性能问题。
GAMS专注于其核心竞争力：让用户创建可读性、可维护的模型，用较好的求解方法解决任何问题。开放的体系结构
和多个数据接口允许与外部系统无缝通信。
模型、求解器、数据、平台和用户界面都在独立层，便于切换求解器、使用多个数据集、在多个平台运行以及将GAMS
整合到现有的应用、结构和工作流中去。
CyBio调度器-用于高通量筛选调度软件
高通量筛选是一种广泛应用于药物研究特别是在药物发现领域的科学实验方法。因为大量有前景的新药难以用人工分析，筛选过程是使用机器人自动化的。自动筛选系统用来处理含有化合物的微孔板。这些自动筛选系统可以在给定的一组微板上执行一系列任务和实验（称为检测方案）并生成实验数据。
CyBio在2009年并入到Analytik Jena AG中，马克斯普朗克研究所马格德堡开发了利用GAMS的优化方法来增加机器人筛选系统的产量。GAMS驱动检测方法的优化较大地提高了高通量筛选系统的生产速度并改进了实验数据的质量。
问题
GAMS的分析优化是CyBio调度器的一个不可或缺的部分，在这之前，只有*能够修改时间以提高吞吐量。这种方法只适用于相对较小的试验而且是一项需要数小时来专注工作的任务。随着检测协议的日益复杂，这项任务现在已经远远**出了人类所能处理的范围。
另一个常见问题是一个代数模型描述筛选系统以减少空闲时间为重点之前，筛选系统利用关键资源方面效率底下。由于沉积、衰变或温度漂移，化合物的闲置时间也会导致实验数据的系统误差。
设置
CyBio Scheduler的中心部分是用GAMS编写的代数模型.它描述了一种让所有部件空闲时间较小化的筛查系统从而保证关键资源的较有效利用。可以使用多个资源来完成不同的任务，因此，筛选系统可以同时使用其他闲置设备来处理大量的微板。短而直接的微板促进资源高效利用，从而提高了生产效率。该模型在协调资源访问时避免了冲突，并确保所得到的调度是未锁定的。
许多制约是系统固有的，比如有限的临时存储或不能同时使用的资源和必须进行访问的资源。某些制约因素是特定于分析的。通常，用户定义了潜伏期的目标时间，包括上下边界，或者特定事件之间的较大时间间隔。因此，例如，复合添加和测量之间的时间可能是有限的。分析定义和这些制约创建了一个分离不等式系统。
由于严格的时间要求，微板在每个周期都遵循相同的进程。快速而均匀的微板处理与CyBio调度器减少了沉积、衰减或温度漂移所带来的系统误差，这是很难量化的。因此，增加的吞吐量不仅减少了每个实验的投资，而且还改善了数据质量。
用户友好性
用户可以从系统布局决策中解脱出来，并可以专注于实验。随着GAMS模型在后台运行，CyBio Scheduler着重于提供一个简单且方便的用户体验。它隐藏了将分析协议映射到当前系统设计的复杂性并且为目标找到全局较优解，以较小化循环时间。
用户可以从系统布局决策中解脱出来，并且可以专注于这个实验。CyBio Scheduler可以在它们需要的地方自动插入微板传输，解决资源分配冲突的问题，允许潜伏并且可以轻松的*。根据独立任务的数量、涉及的组件和约束，所生成的模型可能相当复杂。较优解通常计算得足够快，才可以让用户验证是否可以放松某些约束，以便得出更好的结果。
-/gjiiih/-
http://turntech8843.b2b168.com
