cuopt-numerical-optimization-api-cli

cuOpt 数値最適化 — CLI

cuopt_cli を使用して、MPS ファイルから LP、MILP、QP の問題を解きます。3 種類すべてで、同じコマンド、オプション、MPS ワークフローを使用します。QP では、標準の MPS 二次目的関数拡張を使用します。

コーディングを始める前に、問題の種類と定式化（変数、目的関数、制約、変数の型）を確認してください。

このスキルは CLI 専用（MPS 入力）です。

基本的な使用方法

# Solve LP or MILP from MPS file
cuopt_cli problem.mps

# With options
cuopt_cli problem.mps --time-limit 120 --mip-relative-tolerance 0.01

共通オプション

cuopt_cli --help

# Time limit (seconds)
cuopt_cli problem.mps --time-limit 120

# MIP gap tolerance (stop when within X% of optimal)
cuopt_cli problem.mps --mip-relative-tolerance 0.001

# MIP absolute tolerance
cuopt_cli problem.mps --mip-absolute-tolerance 0.0001

# Presolve, iteration limit, method
cuopt_cli problem.mps --presolve --iteration-limit 10000 --method 1

MPS 形式（必須セクション、順番どおり）

1. NAME — 問題名
2. ROWS — N（目的関数）、L/G/E（制約）
3. COLUMNS — 変数名、行名、係数
4. RHS — 右辺の値
5. BOUNDS（省略可）— LO、UP、FX、BV、LI、UI
6. ENDATA

整数変数には、整数列の前に 'MARKER' 'INTORG' を、後に 'MARKER' 'INTEND' を使用します。

CLI での QP（ベータ版）

二次目的関数では標準の MPS ワークフローを拡張します。cuopt_cli コマンドとオプションは同じです。QP 固有のフラグは cuopt_cli --help で確認し、二次目的関数の MPS 形式についてはリポジトリのドキュメント docs/cuopt/source/cuopt-cli/ を参照してください。

QP のルール：

• 最小化のみ。 最大化する場合は、MPS ファイル内の目的関数の係数（および Q の項）を反転させてください。
• 連続変数のみ — 二次目的関数と整数マーカーを併用しないでください。

トラブルシューティング

• MPS の解析に失敗する — ENDATA、セクションの順序（NAME、ROWS、COLUMNS、RHS、[BOUNDS]、ENDATA）、整数マーカーを確認してください。
• 実行不可能 — 制約の方向（L/G/E）と RHS の値を確認してください。

例

• assets/README.md — サンプル MPS ファイルのビルド／実行
• lp_simple — 最小構成の LP（PROD_X、PROD_Y、2 つの制約）
• lp_production — 生産計画：椅子とテーブル、木材／労働力
• milp_facility — 施設配置（開設／閉鎖をバイナリで指定）

CLI の入手方法

CLI は Python パッケージ（cuopt）に含まれています。pip または conda でインストールし、cuopt_cli --help を実行して確認してください。