Performance of algorithms
Đang mở
Chưa có ai nhận issue này.
Đánh giá
- Độ khó
- 4/5
- Thời gian dự kiến
- 3-5 ngày
- Mức phù hợp với người mới
- 35/100
Hướng nghiên cứu
Tái hiện lần chạy được báo cáo bằng mã Julia, HiGHS, thuật toán TambyVanderpooten của MOA và MOKP_p-6_n-30_1.dat. Kiểm tra hành vi loại trừ khỏi hộp tìm kiếm của thuật toán và trạng thái kết thúc; công việc được xem là hoàn tất khi xác định được liệu lần chạy dài và kết quả bị gián đoạn có phải là điều được mong đợi hay không, hoặc xác định được hành vi không đúng cần sửa.
Do mô hình lập chỉ mục viết ra từ nội dung của issue.
Mô tả
Xavier says
I recently tried to solve an instance with TambyVanderpooten, MOKP_p-6_n-30_1.dat, which is on Tamby's repo and presented as solved by their algorithm in the paper. It does not run on the MOA implementation (nothing after 24 hours)
Here's my Julia code:
using JuMP, HiGHS
import MultiObjectiveAlgorithms as MOA
function solve_tamby_mokp(filename)
lines = readlines(filename)
p = parse(Int, lines[1])
n = parse(Int, lines[2])
b = parse(Float64, lines[3])
C = collect(reduce(hcat, Float64.(x.args) for x in Meta.parse(lines[4]).args)')
w = Meta.parse(lines[5]).args
model = Model(() -> MOA.Optimizer(HiGHS.Optimizer))
set_attribute(model, MOA.Algorithm(), MOA.TambyVanderpooten())
@variable(model, x[1:n], Bin)
@constraint(model, w' * x <= b)
@objective(model, Max, C * x)
optimize!(model)
assert_is_solved_and_feasible(model)
return [value.(x; result) for result in 1:result_count(model)]
end
solve_tamby_mokp(
"/Users/odow/git/tambysatya/TamVan19/Instances/MOKP/MOKP_p-6_n-30_1.dat"
)
Output is
julia> using JuMP, HiGHS
julia> import MultiObjectiveAlgorithms as MOA
julia> function solve_tamby_mokp(filename)
lines = readlines(filename)
p = parse(Int, lines[1])
n = parse(Int, lines[2])
b = parse(Float64, lines[3])
C = collect(reduce(hcat, Float64.(x.args) for x in Meta.parse(lines[4]).args)')
w = Meta.parse(lines[5]).args
model = Model(() -> MOA.Optimizer(HiGHS.Optimizer))
set_attribute(model, MOA.Algorithm(), MOA.TambyVanderpooten())
@variable(model, x[1:n], Bin)
@constraint(model, w' * x <= b)
@objective(model, Max, C * x)
optimize!(model)
assert_is_solved_and_feasible(model)
return [value.(x; result) for result in 1:result_count(model)]
end
solve_tamby_mokp (generic function with 1 method)
julia> solve_tamby_mokp(
"/Users/odow/git/tambysatya/TamVan19/Instances/MOKP/MOKP_p-6_n-30_1.dat"
)
--------------------------------------------------------------------------------------------------
MultiObjectiveAlgorithms.jl
--------------------------------------------------------------------------------------------------
Algorithm: TambyVanderpooten
--------------------------------------------------------------------------------------------------
solve # Obj. 1 Obj. 2 Obj. 3 Obj. 4 Obj. 5 Obj. 6 Time
--------------------------------------------------------------------------------------------------
1 -1.17700e+03 -1.03200e+03 -1.07100e+03 -8.85000e+02 -8.46000e+02 -1.14100e+03 1.42563e+00
2 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 1.42763e+00
3 -1.07200e+03 -1.22100e+03 -1.18100e+03 -9.83000e+02 -8.90000e+02 -1.13000e+03 1.43889e+00
4 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 1.43945e+00
5 -8.84000e+02 -1.05600e+03 -1.37000e+03 -9.59000e+02 -8.78000e+02 -9.51000e+02 1.44168e+00
6 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 1.44223e+00
7 -8.95000e+02 -9.81000e+02 -1.09800e+03 -1.14300e+03 -6.92000e+02 -1.04800e+03 1.44480e+00
8 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 1.44535e+00
9 -9.14000e+02 -1.00700e+03 -1.11600e+03 -8.59000e+02 -1.11800e+03 -1.15500e+03 1.44794e+00
10 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 1.44849e+00
11 -9.23000e+02 -1.01000e+03 -9.91000e+02 -8.57000e+02 -7.84000e+02 -1.41500e+03 1.45187e+00
12 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 -0.00000e+00 1.45241e+00
13 auxillary subproblem 1.49690e+00
14 -1.17700e+03 -1.03200e+03 -1.07100e+03 -8.85000e+02 -8.46000e+02 -1.14100e+03 1.69627e+00
15 auxillary subproblem 1.91702e+00
16 -9.14000e+02 -1.00700e+03 -1.11600e+03 -8.59000e+02 -1.11800e+03 -1.15500e+03 1.91964e+00
17 auxillary subproblem 1.92204e+00
18 -8.95000e+02 -9.81000e+02 -1.09800e+03 -1.14300e+03 -6.92000e+02 -1.04800e+03 1.92448e+00
19 auxillary subproblem 1.93331e+00
20 -1.07200e+03 -1.22100e+03 -1.18100e+03 -9.83000e+02 -8.90000e+02 -1.13000e+03 1.93606e+00
21 auxillary subproblem 1.93798e+00
22 -8.84000e+02 -1.05600e+03 -1.37000e+03 -9.59000e+02 -8.78000e+02 -9.51000e+02 1.94063e+00
23 auxillary subproblem 1.94374e+00
24 -9.23000e+02 -1.01000e+03 -9.91000e+02 -8.57000e+02 -7.84000e+02 -1.41500e+03 1.95118e+00
25 auxillary subproblem 1.96168e+00
26 -9.16000e+02 -1.00000e+03 -1.15100e+03 -1.13100e+03 -6.99000e+02 -1.02500e+03 1.97200e+00
27 auxillary subproblem 1.99172e+00
28 -8.72000e+02 -1.04100e+03 -1.13500e+03 -1.12900e+03 -7.53000e+02 -9.86000e+02 1.99935e+00
29 auxillary subproblem 2.01168e+00
30 -9.66000e+02 -9.78000e+02 -1.14400e+03 -1.12600e+03 -7.60000e+02 -1.01700e+03 2.02175e+00
31 auxillary subproblem 2.04473e+00
32 -8.70000e+02 -1.06700e+03 -1.20700e+03 -1.12200e+03 -7.63000e+02 -1.04500e+03 2.06123e+00
33 auxillary subproblem 2.08916e+00
34 -9.15000e+02 -1.06600e+03 -1.15200e+03 -1.12100e+03 -8.03000e+02 -1.14600e+03 2.09270e+00
35 auxillary subproblem 2.09913e+00
36 -8.71000e+02 -9.77000e+02 -1.21300e+03 -1.12100e+03 -8.38000e+02 -1.02200e+03 2.10892e+00
37 auxillary subproblem 2.11703e+00
38 -9.04000e+02 -1.09700e+03 -1.36600e+03 -9.91000e+02 -8.93000e+02 -1.09800e+03 2.11984e+00
39 auxillary subproblem 2.17713e+00
40 -9.15000e+02 -1.06600e+03 -1.15200e+03 -1.12100e+03 -8.03000e+02 -1.14600e+03 2.18210e+00
41 auxillary subproblem 2.18672e+00
42 -9.04000e+02 -1.00700e+03 -1.15700e+03 -8.87000e+02 -1.11300e+03 -1.08400e+03 2.18866e+00
43 auxillary subproblem 2.20184e+00
44 -9.96000e+02 -1.16100e+03 -1.29700e+03 -1.11800e+03 -8.49000e+02 -1.10800e+03 2.20434e+00
45 auxillary subproblem 2.21396e+00
46 -9.93000e+02 -1.03700e+03 -1.06000e+03 -8.98000e+02 -8.36000e+02 -1.41200e+03 2.22656e+00
47 auxillary subproblem 2.25049e+00
48 -9.38000e+02 -1.05300e+03 -1.18700e+03 -1.11400e+03 -8.50000e+02 -1.08400e+03 2.25784e+00
49 auxillary subproblem 2.30797e+00
50 -1.00700e+03 -1.11300e+03 -1.22100e+03 -1.10800e+03 -8.58000e+02 -1.15600e+03 2.31168e+00
... lines omitted ...
977 auxillary subproblem 1.39737e+02
978 -9.96000e+02 -1.16100e+03 -1.29700e+03 -1.11800e+03 -8.49000e+02 -1.10800e+03 1.39740e+02
979 auxillary subproblem 1.40425e+02
980 -9.96000e+02 -1.16100e+03 -1.29700e+03 -1.11800e+03 -8.49000e+02 -1.10800e+03 1.40427e+02
981 auxillary subproblem 1.41089e+02
982 -9.96000e+02 -1.16100e+03 -1.29700e+03 -1.11800e+03 -8.49000e+02 -1.10800e+03 1.41092e+02
^C--------------------------------------------------------------------------------------------------
TerminationStatus: INTERRUPTED
ResultCount: 276
--------------------------------------------------------------------------------------------------
ERROR: The model was not solved correctly. Here is the output of `solution_summary` to help debug why this happened:
solution_summary(; result = 1, verbose = false)
├ solver_name : MOA[algorithm=MultiObjectiveAlgorithms.TambyVanderpooten, optimizer=HiGHS]
├ Termination
│ ├ termination_status : INTERRUPTED
│ ├ result_count : 276
│ ├ raw_status : Solve complete. Found 276 solution(s)
│ └ objective_bound : [1.17700e+03,1.22100e+03,1.37000e+03,1.14300e+03,1.11800e+03,1.41500e+03]
├ Solution (result = 1)
│ ├ primal_status : FEASIBLE_POINT
│ ├ dual_status : NO_SOLUTION
│ └ objective_value : [1.17700e+03,1.03200e+03,1.07100e+03,8.85000e+02,8.46000e+02,1.14100e+03]
└ Work counters
└ solve_time (sec) : 1.41759e+02
Stacktrace:
[1] error(s::String)
@ Base ./error.jl:44
[2] #assert_is_solved_and_feasible#103
@ ~/.julia/packages/JuMP/e83v9/src/optimizer_interface.jl:1008 [inlined]
[3] assert_is_solved_and_feasible
@ ~/.julia/packages/JuMP/e83v9/src/optimizer_interface.jl:1002 [inlined]
[4] solve_tamby_mokp(filename::String)
@ Main ./REPL[4]:14
[5] top-level scope
@ REPL[5]:1
I don't know if this is expected behaviour of if we're not excluding some of the search boxes correctly.
- Ngôn ngữ chính
- Julia
- Star
- 87
- Fork
- 10
- Chỉ số merge pull request
- Không có pull request nào được merge trong 30 ngày
Chuẩn bị môi trường
Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue khác của jump-dev/MultiObjectiveAlgorithms.jl
-
Instances for testingĐang mở
Độ khó 5/5 Hơn một tuần Mức phù hợp với người mới 30/100
jump-dev/MultiObjectiveAlgorithms.jl#113 · 8 bình luận ·
Tất cả issue của jump-dev/MultiObjectiveAlgorithms.jl
Issue tương tự
-
View of a view is brokenCó thể đã có người làm Có pull request liên kết đang mở hoặc đã được merge. Đang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 68/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 1/5 Dưới một giờ Mức phù hợp với người mới 85/100
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 67/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 82/100
JuliaPy/pyjuliapkg#102 ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 62/100
JuliaMath/Polynomials.jl#641 ·