Help us understand the problem. What is going on with this article?

最適化におけるJulia - JuMP事始め

More than 3 years have passed since last update.

JuMP — Julia for Mathematical Optimization は、Julia で数理最適化を行うためのドメイン特化モデリング言語です。

特徴は、以下の通り。
- 線形計画法以外に、色々なソルバーが用意されています。 ソルバーのリスト → https://jump.readthedocs.io/en/latest/installation.html#getting-solvers
- JuMP の記述はソルバーに依存しません。
- JuMP 本体は Julia のみで書かれています。各ソルバーは下位のバイナリを呼ぶ場合があります。
- JuMP は Mozilla Public License です。(ソルバーのライセンスは種々)
- 速い (そうです)

インストール

Pkg.add("JuMP")
Pkg.add("Clp")

Clp は線形計画法のソルバーです。

事始め

Python の PuLP は、線形計画法パッケージです。
Qiita記事 『最適化におけるPython』 の 「pulpの使い方」にある例題を JuMP に移植して見ました。問題はリンク先を参照ください。

Python - PuLP

from pulp import *
m = LpProblem(sense=LpMaximize) 
x = LpVariable('x', lowBound=0)
y = LpVariable('y', lowBound=0)
m += 100 * x + 100 * y
m += x + 2 * y <= 16
m += 3 * x + y <= 18
m.solve() # ソルバーの実行
print(value(x), value(y)) # 4, 6

Julia - JuMP

using JuMP
using Clp

m=Model( solver=ClpSolver() ) # 数理モデル
@variable(m, x >= 0) # 変数
@variable(m, y >= 0) # 変数
@objective(m, Max, 100 * x + 100 * y ) # 目的関数
@constraint(m, x + 2 * y <= 16) # 制約条件
@constraint(m, 3 * x + y <= 18) # 制約条件
status = solve(m) # ソルバーの実行
getvalue(x) # => 4.0
getvalue(y) # => 6.0

PuLP と JuMP は、そっくりですね。
変数、目的関数、制約条件は、マクロで記述します。

■ 2017/05/23 修正---
本記事を執筆した 2017年1月当時は、using Clp しておくと

m=Model()

とするだけで solver=ClpSolver() が既定となっていました。現時点は solverを明示する必要があります。
■ 修正終わり ----

終わりに

リンク先には、Python のデータ分析パッケージ pandas のデータフレームと、PuLPとの連携が紹介されています。 pandas のデータフレームに相当する Julia パッケージは Dataframes です。Dataframes の変数を使って、問題を記述すれば、見通しがよいでしょうね。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした