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
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。
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
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。
-/gjiiih/-
http://turntech8843.b2b168.com
