设计不一样的规则
我们努力去适应，而非直接拿来。
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。
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。
科学软件网是一个以引进国外优秀科研软件，提供*软件服务的营业网站，网站由天演融智软件有限公司创办，旨在为国内高校、科研院所和以研发为主的企业事业单位提供优秀的科研软件及相关软件服务。截止目前，科学软件网已获得数百家国际**软件公司正式授权，代理销售科研软件达一千余种，软件涵盖领域包括经管，仿真，地球地理，生物化学，工程科学，排版及网络管理等。同时，还提供专业培训、视频课程（包含34款软件，64门课程）、实验室解决方案和项目咨询等服务。
不管您是需要购买单款软件，还是制定整个实验室的购买方案，都可以提供。
设计不一样的规则
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。
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。
The General Algebraic Modeling System (GAMS) is a high-level modeling system for mathematical programming and optimization. It consists of a language compiler and a stable of integrated high-performance solvers. GAMS is tailored for complex, large scale modeling applications, and allows you to build large maintainable models that can be adapted quickly to new situations. GAMS is specifically designed for modeling linear, nonlinear and mixed integer optimization problems.
OsiMosek
OsiXpress
PATHNLP
PATH
PYOMO
SBB
SCIP 3.2
SNOPT
SOPLEX 2.2
XA
XPRESS 28.01
全局--局部非线性优化求解套件
随机求解器，包括一个无限制版本的LINDOGLOBAL
成熟全局解决方案的MINLP求解器
在LINGO模型系统中使用求解器求解GAMS模型的链接
混合邻域搜索算法
GAMS线性回归求解器
MCP求解器
NLP求解器
大型LP/MIP加锥凸非线性规划系统
全局优化的多启动方法
使用其他GAMS NLP求解器把MPEC转换成NLP
全局优化的多头启动方法
Bare-Bone与CPLEX连接
Bare-Bone 与Gurobi连接
Bare-Bone与 Mosek 连接
Bare-Bone与 Xpress 连接
凸面问题的大规模NLP求解器
大规模MCP求解器
在PYOMO模型系统中使用求解器求解GAMS模型的链接
求解MINLP模型的分支定界算法
高性能约束整数规划求解器
基于NLP求解器的大规模SQP算法
高性能LP求解器
大规模LP/MIP求解器
高性能LP/MIP求解器
GAMS
GAMS是灵活而强大的.模型可以非常方便的从一个计算机平台移到另外一个,只要GAMS已经在每个平台被安装好.GAMS很*进行敏感度分析.使用者能够方便的规划模型来求解一个成分的不同值,然后生成一个输*,列出了每种情况的解决方案特征.模型能够同时被开发和文档化,因为GAMS允许使用者包含解释性的文本来作为任意符号和等式的定义和解释.
GAMS不断的在被增强和扩展.2.25版本包含了多个语言扩展,例如在一个循环中的SOLVE声明,INCLUDE声明,IF-ELSE声明,和使用PUT声明进行报告编写的功能.其它的加强包括增加的系统集成特征,性能改善,新的子系统,和另外的计算机平台支持.
当前版本2.50包括一个基于Intel Windows平台(95/98/ME和NT/2K/XP)的集成开发环境(IDE).GAMS 2.50的新的分发包含新的语言特征和新发表的全新/更新的求解器,一年至少4次.请检查版本声明.
示例：
从*的1963书(由George Dantzig编写)中提取的一个运输问题,用来描述GAMS的有效性.这个模型只是模型库中的部分,模型库中还包含了大量的完整GAMS模型.
支持模型的类型：
GAMS模型类型包括LP,MIP和NLPs的不同形式.这里列出了GAMS支持的所有的模型类型.
GAMS 的发展背景
GAMS 是"General Algebraic Modeling System"（一般性代数仿真系统）的缩写，较早是由美国的世界银行(World Bank)的 Meeraus 和 Brooke [Brooke, Kendrickm and Meeraus, 1992]所发展。"GAMS"事实上并不代表任何较佳化数值算法，而只是一个高级语言的使用者接口，利用 GAMS 可以很*建立、修改、除错你的较佳化模型输入文件，而输入档经过编译后，成为较低阶的较佳化数值算法程序所能接受的格式，再加以执行并写出输出档。
数值算法方面，对线性与非线性规划问题，GAMS 使用由新南韦尔斯大学的Murtagh、及史丹福大学的 Gill、Marray、Saunders、Wright 等所发展的 MINOS [Murtagh and Saunders, 1983] 算法。MINOS是 "Modular In-core Non-linear Optimization System"的缩写，这个算法综合了缩减梯度法和准牛顿法，是专门为大型、复杂的线性与非线性问题设计的算法。对混合整数规划问题，则采用亚历桑那大学的 Marsten 及巴尔*摩大学的 Singhal[1987]共同发展的 ZOOM(Zero/One Optimization Method)算法。
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。
面向对象的GAMA API允许GAMS无缝整合到为交互提供适当类别的应用中。这三个面向对象GAMS API是.NET, Java
和Python与.NET framework 4 (Visual Studio 2010)、Java SE 5或更高版本以及Python 3.4, 2.7和2.6。
除了面向对象的GAMA API，还有*级别(或级别) 的GAMS API，它们的使用要求有高深知识的GAMS组件库。
除了API, GAMS还提供智能链接到应用程序，如MS Excel, MatLab或R。用户可以在这个环境中继续工作，通过一个
API就可以访问GAMS所有的优化功能。这就允许应用中的模型数据和结果可以可视化和分析了。
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。
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。
问：Gams较近有没有现场培训？
答：19年7月15-16科学软件网在北京安排了一场现场培训，有兴趣可以登陆 科学软件网 了解相关信息。
-/gjiiih/-
http://turntech8843.b2b168.com
