PyEPO:基于PyTorch的端到端预测优化工具
2024-09-20 00:54:32作者:贡沫苏Truman
项目介绍
PyEPO(PyTorch-based End-to-End Predict-then-Optimize Tool)是一个基于Python的开源软件,专门用于建模和解决具有线性目标函数的预测优化问题。该项目通过将优化模型嵌入到人工神经网络中,实现了端到端的训练过程。PyEPO的核心功能包括使用GurobiPy、Pyomo或其他求解器和算法构建优化模型,并将其集成到PyTorch的自动微分模块中。
项目技术分析
PyEPO的技术架构基于PyTorch,充分利用了PyTorch的自动微分功能,使得优化模型的训练过程更加高效和灵活。项目支持多种优化方法,如SPO+、DBB、NID、DPO、PFYL、NCE、LTR、I-MLE和AI-MLE等。此外,PyEPO还支持Gurobi、COPT和Pyomo等API,以及并行计算和解决方案缓存,极大地提升了训练速度和决策质量。
项目及技术应用场景
PyEPO适用于需要预测和优化相结合的多种应用场景,包括但不限于:
- 资源分配问题:如物流、供应链管理中的资源分配。
- 能源调度:如电力系统的实时调度。
- 路径规划:如游戏中的最短路径问题。
- 金融投资组合优化:如资产配置和风险管理。
项目特点
- 端到端训练:将优化模型无缝集成到神经网络中,实现端到端的训练。
- 多种优化方法:支持多种先进的优化方法,满足不同应用需求。
- 高效求解器支持:兼容Gurobi、COPT和Pyomo等高效求解器。
- 并行计算:支持并行计算,加速优化求解过程。
- 解决方案缓存:通过解决方案缓存技术,提升训练效率。
- kNN鲁棒损失:支持kNN鲁棒损失,提高决策质量。
安装与使用
PyEPO可以通过多种方式安装,包括从GitHub克隆、使用pip安装或通过conda安装。以下是安装命令示例:
# 从GitHub克隆并安装
git clone -b main --depth 1 https://github.com/khalil-research/PyEPO.git
pip install PyEPO/pkg/.
# 使用pip安装
pip install pyepo
# 使用conda安装
conda install -c pyepo pyepo
示例代码
以下是一个简单的示例代码,展示了如何使用PyEPO进行预测优化模型的训练:
import gurobipy as gp
from gurobipy import GRB
import numpy as np
import pyepo
from pyepo.model.grb import optGrbModel
import torch
from torch import nn
from torch.utils.data import DataLoader
# 优化模型
class myModel(optGrbModel):
def __init__(self, weights):
self.weights = np.array(weights)
self.num_item = len(weights[0])
super().__init__()
def _getModel(self):
m = gp.Model()
x = m.addVars(self.num_item, name="x", vtype=GRB.BINARY)
m.modelSense = GRB.MAXIMIZE
m.addConstr(gp.quicksum([self.weights[0,i] * x[i] for i in range(self.num_item)]) <= 7)
m.addConstr(gp.quicksum([self.weights[1,i] * x[i] for i in range(self.num_item)]) <= 8)
m.addConstr(gp.quicksum([self.weights[2,i] * x[i] for i in range(self.num_item)]) <= 9)
return m, x
# 预测模型
class LinearRegression(nn.Module):
def __init__(self):
super(LinearRegression, self).__init__()
self.linear = nn.Linear(num_feat, num_item)
def forward(self, x):
out = self.linear(x)
return out
if __name__ == "__main__":
num_data = 1000
num_feat = 5
num_item = 10
weights, x, c = pyepo.data.knapsack.genData(num_data, num_feat, num_item, dim=3, deg=4, noise_width=0.5, seed=135)
optmodel = myModel(weights)
predmodel = LinearRegression()
optimizer = torch.optim.Adam(predmodel.parameters(), lr=1e-2)
spop = pyepo.func.SPOPlus(optmodel, processes=1)
dataset = pyepo.data.dataset.optDataset(optmodel, x, c)
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)
num_epochs = 10
for epoch in range(num_epochs):
for data in dataloader:
x, c, w, z = data
cp = predmodel(x)
loss = spop(cp, c, w, z)
optimizer.zero_grad()
loss.backward()
optimizer.step()
regret = pyepo.metric.regret(predmodel, optmodel, dataloader)
print("Regret on Training Set: {:.4f}".format(regret))
总结
PyEPO作为一个强大的预测优化工具,不仅提供了丰富的优化方法和高效的求解器支持,还通过端到端的训练方式,极大地简化了复杂优化问题的解决流程。无论是在学术研究还是工业应用中,PyEPO都能为用户提供强大的支持,帮助用户在各种复杂场景中实现高效的预测和优化。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0288Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

React Native鸿蒙化仓库
C++
199
279

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
951
557

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
70

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0