※ 引述《xakg (夤)》之铭言： : 大家好， : 小弟新手入门，有些观念跟问题请教： : 1. 很多书上有推anaconda，是不是装了以後就不要再装python的核心(直译器)？ : 我本来安装了官方python 3.5 又安装了anaconda，这样在ipython 在执行新档案时会 : 出现两个核心，是不是代表我两个都可以装？ : 2. 因为研究需要，我需要gurobi 最佳化求解软体，我已经安装好了，後来发现anaconda : 也有提供他的安装方法，那我还要在安装一次吗？我用pip装的套件 conda的核心读的到 : 吗？ : 3. 我执行gurobi 後 核心出来是 2.7.X版本的 可是我的python原先是装3.5x版本的 : 为什麽会这样呀？ : http://imgur.com/a/RBjaW : http://imgur.com/a/PCLHs : 4. 版友有推荐pyomo +gurobi 但我不太了解pyomo的作用是如何，他的效果是属於？ : == : 我发觉python真的还蛮有趣的，就像excel一样有好多函数可以拿来使用； : 跟其它程式有一点小差别，光是基因演算法都有套件可以解， : 好酷呀！！ 1,2,3已经有人解释了，我解释一下pyomo的用途。 解设我们在解一个最佳化问题（例：线性规划(LP)、两次规划(QP)等）， LP的标准式是 min c^T x s.t. Ax <= b, x >=0。 如果我们的LP可以很简单的化简成标准式时，即可以直接呼叫解LP的函数求解， 比如说scipy的optimize套件中就有直接求LP标准式的套件, https://goo.gl/65FSX0 但是当我们在依据资料建立数学模型时，虽然可以知道模型是LP、QP或是其它规划， 但非标准型式，如果要用基本的function call求解的话，就必须要自行转换成标准式， 非常的麻烦，而且容易发生错误，特别是在问题较大时（比如说大於100个决策变数的 问题），因此有许多的建模语言帮助使用者达成此转换的工作，如AMPL、GAMS等，而 pyomo是用python实际此功能的软体。 但要注意的事这些建模语言只是帮忙做翻译，实际上问题还需要用演算法求解， 因此还需要後端的solver帮忙解答，常见的商用solver有cplex, gurobi, xpress等， 虽然也有open source的版本如glpk，但是性能差异过大。 Prof. Mittelmann有在对市面上大多数的solver做性能测试，更新的非常频繁， 最新的比较是2016年11月，可看出很明显的商用 vs 开源solver性能差异。 pyomo後端支援相当多的solver，cplex, gurobi, glpk等都支援，而商用软体 也大多有搭配自已的建模语言，所以不管用那一种方式都可以解答出问题，只 是在於方便性而已。 顺便一提，cplex和gurobi校园使用都可以申请academic use，免费使用，只要免年 更新license即可。 http://plato.asu.edu/bench.html --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.117.168.49 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1479969390.A.683.html