Support for matrix style model construction (MathProgBase/LinearQuadratic style) in modern Julia + MOI
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
Línea de trabajo
No se nombran archivos ni pruebas. Empieza revisando las interfaces de construcción actuales de MatrixOptInterface.jl y MathOptInterface, y después compáralas con el flujo de trabajo descrito para las matrices A, b y c; se consideraría terminado si existe un flujo de trabajo compatible documentado o una limitación claramente indicada para modelos LP/MILP grandes.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I’m reaching out about support or example workflows for constructing optimization models from raw matrix data in modern Julia, similar to how it was done with MathProgBase’s LinearQuadratic interface.
A bit of background on my situation:
• Years ago I implemented a large scale unit commitment MILP in Julia 0.6.4, using MathProgBase.jl and specifically the LinearQuadratic models interface, together with Gurobi as the solver.
• The model is truly large: on the order of ~2 million variables and constraints. I built the model from big matrices and vectors (A, b, c, etc.) in a Matlab style fashion and handed that directly to the solver.
Now I’d like to move the codebase to a current Julia version, but without changing the overall program structure—i.e., keeping a MathProgBase / LinearQuadratic style formulation rather than rewriting everything in JuMP or another high level modeling layer.
Question / request:
Is there any officially supported or recommended way in the current Julia / MOI ecosystem to construct a large LP/MILP directly from matrices and pass it to a solver, similar to the old MathProgBase LinearQuadratic approach?
Thanks for any pointers or suggestions. Even a small example or outline of how to plug matrix data into MOI, or a note on current limitations, would be very valuable.
- Lenguaje dominante
- Julia
- Estrellas
- 12
- Forks
- 4
- Merge medio
- 5 h 50 min
- PR fusionados (30 d)
- 3
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de jump-dev/MatrixOptInterface.jl
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 30/100
-
documentation
Dificultad 2/5 1-3 horas Aptitud para principiantes 38/100
jump-dev/MatrixOptInterface.jl#24 · 1 reacción ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
jump-dev/MatrixOptInterface.jl#19 · 3 comentarios ·
-
Standard conic formAbierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
-
Register packageAbierto
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
jump-dev/MatrixOptInterface.jl#12 · 7 comentarios ·
Todos los issues de jump-dev/MatrixOptInterface.jl
Issues similares
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 83/100
JuliaMath/Polynomials.jl#647 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
OpenSourceAWE/SymbolicAWEModels.jl#431 ·
Los mantenedores suelen responder en 1 día
-
Make PDAQP an optional extraAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 66/100
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 89/100
Los mantenedores suelen responder en 4 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
Los mantenedores suelen responder en 1 día