Nuestra más reciente versión permite a los científicos de datos integrar fácilmente modelos de aprendizaje automático en los modelos de optimización para solucionar nuevos tipos de problemas.

BEAVERTON, Oregón–(BUSINESS WIRE)–Gurobi Optimization, LLC, líder en el área de inteligencia artificial para la toma de decisiones, anunció hoy el lanzamiento de Gurobi 10.0. Esta nueva versión mejora el desempeño del solucionador, reafirmándose como el líder en el sector. Además, brinda la capacidad de integrar modelos de aprendizaje automático directamente en los modelos de optimización, así como nuevas herramientas para el desarrollo, monitoreo y diagnóstico avanzado de modelos, de forma que los usuarios puedan resolver nuevos tipos de problemas incluso más rápido que antes.

Mejoras en el rendimiento y técnicas de resolución avanzadas

El equipo de I+D de Gurobi supera de nueva cuenta los límites del rendimiento, conseguiendo mejoras en los algoritmos existentes y desarrollando nuevas técnicas. Como resultado, Gurobi 10.0 ha logrado las siguientes mejoras de rendimiento con respecto a Gurobi 9.5

«Hemos logrado un aumento de la velocidad superior a 75x en MILP con respecto a Gurobi 1.1. Pero más importante es el hecho que Gurobi 10.0 ahora puede resolver fácilmente aún más modelos, incluidos algunos que hasta ahora eran intratables», explicó el Dr. Tobias Achterberg, Vicepresidente de Investigación y Desarrollo de Gurobi Optimization.

Gurobi 10.0 también incluye los siguientes avances en su repertorio de algoritmos:

• Nuevo algoritmo símplex para redes: acelera considerablemente la resolución de LP con estructura de red.
• Nueva heurística para los modelos QUBO, que pueden manifestarse en la optimización cuántica: mejora la capacidad de Gurobi para encontrar rápidamente buenas soluciones factibles para problemas de optimización binaria cuadrática sin restricciones.
• Mejoras significativas en el rendimiento de los MIP que contienen modelos de aprendizaje automático: dan lugar a una mejora superior a 10x en ciertos modelos que integran redes neuronales con funciones de activación ReLU.
• Nuevo algoritmo para ajuste de cotas basado en optimización (OBBT, optimization-based bound tightening): acelera enormemente la resolución de modelos MIQCP no convexos.
• Rediseño del solucionador de programación lineal concurrente: mejora el rendimiento y reduce el consumo de memoria.

Innovadora integración de la ciencia del análisis de datos

Con Gurobi Machine Learning–un proyecto de código abierto basado en Python para integrar directamente en Gurobi modelos de aprendizaje automático previamente entrenados– los científicos de datos pueden aprovechar la sinergia con la optimización matemática.

En concreto, los usuarios pueden estimar un sistema del mundo real entrenando un modelo de aprendizaje automático (en Scikit-learn, Tensorflow/Keras o Pytorch) y luego utilizar dichomodelo como una restricción en Gurobi con el fin de optimizar los controles de ese sistema.

«Nuestro objetivo es conectar el mundo de la ciencia de datos con el mundo de la optimización. Con Gurobi, pueden conectar la “caja negra” que genera predicciones, a un modelo de optimización y así entrelazar dichas predicciones con la toma de decisiones», explicó Achterberg.

Con esta nueva versión, también estamos haciendo que sea más práctico integrar la construcción de modelos de gurobipy con objetos de Pandas gracias a un nuevo paquete de código abierto específico. (Disponible en GitHub/PyPI en el cuarto trimestre de 2022).

Experiencia a nivel empresarial en el desarrollo y despliegue de software

Para hacer su solucionador aún más accesible y fácil de usar, el equipo de Gurobi ha integrado nuevas herramientas para el desarrollo, monitoreo y diagnóstico avanzado de modelos:

• Mejoras significativas en la API compatible con matrices de gurobipy: todos los objetos de modelado compatibles con matrices admiten múltiples dimensiones y la manipulación de dichas dimensiones, incluido el broadcasting, ahora se asemeja a NumPy.
• Nueva restricción general logística: facilita la incorporación a los MIP de una restricción que aproxima la función logística.
• Paquete NuGet para .NET: permite a los usuarios .NET descargar directamente Gurobi del servidor NuGet.
• Configuración de límite de memoria que permite una buena salida: los usuarios pueden establecer un límite y seguir obteniendo la mejor solución trasreanudarla optimización después de haber alcanzado el límite.
• Nuevos paneles de control de Compute Server: Gurobi Compute Server ahora incluye dos nuevos paneles de control, lo que permite a los usuarios supervisar las métricas a lo largo del tiempo y profundizar en la actividad del cluster para entender mejor su uso, así como el comportamiento de la aplicación.
• Soporte de plataforma ampliado: Gurobi 10.0 incluye soporte para Python 3.11 y Linux en ARM 64-bit.

Con el lanzamiento de Gurobi 9.5, el año pasado se introdujo el Web License Service (WLS) para los entornos de contenedores Docker y Kubernetes. Con Gurobi 10.0, el equipo ha ampliado WLS para dar soporte a casi todos los tipos de entornos de contenedores. Además, ahora los clientes también pueden obtener licencias WLS que les permiten ejecutar Gurobi en prácticamente todos los escenarios de despliegue, incluyendo entornos de contenedores, máquinas virtuales y físicas basadas en Linux, macOS y Windows.

«A nuestros clientes les encanta nuestro WLS y la flexibilidad que ofrece. Y ahora pueden desplegar de forma dinámica el software de Gurobi en más entornos», explicó Duke Perrucci, director de operaciones de Gurobi.

Además, a partir de Gurobi 10.0, las versiones principales de los productos –así como sus consiguientes versiones secundarias y técnicas– serán compatibles durante un periodo de tres años desde la fecha de lanzamiento inicial del producto principal. Por ejemplo, la versión 10.0.0 de Gurobi (presentada en noviembre de 2022) y las versiones secundarias entre 10.0 y 11.0 tendrán soporte hasta noviembre de 2025.

«Esto ayuda a generar previsibilidad para nuestros clientes de modo que sepan exactamente cuánto tiempo será compatible una versión», explicó la Dra. Sonja Mars, Directora de Soporte para la Optimización de Gurobi Optimization. «Nuestro objetivo es brindar soporte y asesoramiento técnico a nuestros clientes, una política destinada a mitigar el desarrollo basado en prueba y error. Queremos que nuestros clientes reciban la ayuda que necesitan cuando la necesitan».

Por su parte, el Dr. Edward Rothberg, CEO y cofundador de Gurobi Optimization, añadió:

«En Gurobi contamos con las mentes más brillantes en el ámbito de la optimización. Cada departamento está integrado por personas que no solo son inteligentes, sino que además están profundamente comprometidas con nuestros clientes y con brindarles la mejor experiencia posible. Estoy orgulloso de formar parte de este equipo».

Más información sobre Gurobi 10.0 en gurobi.com/whats-new-gurobi-10-0/.

Acerca de la optimización de Gurobi

La tecnología de inteligencia artificial para la toma de decisiones de Gurobi le permite tomar decisiones comerciales óptimas en segundos. Desde la planificación de capital humano, la administración de portafolios de inversión y la optimización de estrategias de marketing, hasta el diseño de la cadena de suministro y todos los procesos intermedios, Gurobi identifica la solución óptima a su problema entre billones de posibilidades.

Como líder en inteligencia artificial para la toma de decisiones, Gurobi ofrece un software completo y fácil de integrar, así como el mejor soporte de su clase, con un índice de satisfacción del cliente del 98%, el más alto en la industria.

Fundada en 2008, Gurobi opera en América, Europa y Asia. Más de 2500 clientes de todo el mundo en más de 40 industrias utilizan Gurobi, incluidos SAP, Air France y la Liga Nacional de Fútbol estadounidense (NFL), así como la mitad de la lista Fortune 10 y el 70% de las principales empresas tecnológicas a nivel mundial. Para obtener más información visite https://www.gurobi.com/ o llame al +1 713 871 9341.

Contacts

Nell-Marie Colman

(540) 952 9719

Gurobi Optimization

[email protected]