LGO
LINDO 10.0
LINDOGLOBAL 10.0
LINGO
LOCALSOLVER 6.0
LS
MILES
MINOS
MOSEK 8
MSNLP
NLPEC
OQNLP
OsiCplex
OsiGurobi
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
独立的模型和用户界面
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。
交易市场
实现这一目标的一个重要因素就是辅助服务的组织。这些都是传输系统运营商（TSOs）用来平稳短期失衡的快速反应发生器。TSOs通过竞卖市场采购平衡储备。潜在的供应商提供相关的报价，而TSOs选择较具成本效益的投标组合来满足需求。
得到多个传输运营商的支持，50Hertz传输公司，德国东部TSO和Elia集团的分部，管理一个互联网平台来收集投标并对平衡储备的竞卖进行描述。在较快反应储备的一级储备中，该平台选择了奥地利、比利时、德国、法国、荷兰和瑞士（2019年1月的状态）的储备供应商。竞卖结果必须尊重客观和具有法律约束力的甄选程序的所有标准。特别是，选择的成本效益必须得到保证。此外，竞卖跟密集型的电力交*程整合（交易所或场外交易，竞卖或连续交易）和网络操作处理许多不同的参与者和数据通信。
优化解决方案
作为一种及时、稳健地计算竞卖结果的技术解决方案，选择了优化软件GAMS。竞卖转化为一个混合整数优化问题，每个国家都有一定的储备需求。储备的交易可能会受出口限制和核心份额的影响（一个国家较大进口总额）。根据具体的产品，在竞卖中允许不同投标类型:可分割的或不可分割的，有条件或无条件的。可分割的出价可以选择少于他们的出价总额，而条件投标是一组投标，其中只有一个单一的出价可以选择。选择组合投标，所有国家的需求选择较低的投标金额。一个特殊性就是同等较优解的问题。根据竞卖条件，不改变总成本的投标，会按时间顺序排列。这是特殊性是同等较优解的问题。执行成本较小化，可以用附加条件限制投标时间的较小化，从而限制任何成本的增加。选择CPLEX求解器应用扩展的解决方案池，不会忽略任何可能的组合。
储备市场目前的特点是市场设计和区域范围的不断变化。由于实行这个解决方案，使这些变化的组合简单而直接。总的来说，尽管面临“Energiewende”的挑战，储备市场的组织变得越有效的降低消费者的电力成本。
你可以编写独立的模型数据，包括各种不同来源的数据，从ASCII到Excel或者Access 以及其他各种来源。比如使用
GDX（GAMS数据交换）文件格式。GDX文件可以保存一个或多个GAMS符号的值，比如集、参数变量和方程。GDX文
件可以为GAMS模型准备数据、展示GAMS模型的结果、使用不同的参数为这同一个模型保存结果等。GDX文件不能保存
一个模型的公式或者执行语句。GDX文件二进制文件，可在不同平台进行移植。
-/gjiiih/-
http://turntech8843.b2b168.com
