通用代数建模系统(GAMS)是特别为建模线性,非线性和混合整数最优化问题而设计的运筹规划分析软件。该软件可处理许多不同问题类型的模型公式,包括线性规划(LP),混合整数线性规划(MIP),非线性规划(NLP),混合整数非... GAMS允许使用者通过制定简单的设置来把精力放在建模问题上.至于特定机器和系统软件执行的费时的细节将由GAMS系统来处理.

制造商

GAMS Development Corp. 美国

主要功能 BIM建模/设计/建筑CAD

软件类型 商业软件

部署方式 本地部署

GAMS数学编程和优化的高级建模系统正版代理商与厂商报价

GAMS数学编程和优化的高级建模系统正版购买建议优先联系认证厂商、授权代理商或具备服务能力的供应商，结合所在地区、响应速度、授权方式和实施支持获取实际采购报价。

GAMS数学编程和优化的高级建模系统功能与配置

集中了解GAMS数学编程和优化的高级建模系统的产品介绍、版本配置、功能模块、新版发布以及系统与硬件要求，便于快速判断产品能力和部署条件。

软件介绍

前沿的建模系统

专注建模

GAMS允许用户在某种程度上，用跟数学描述非常相似的方式来制定数学模型。看一下这些例子就能说明GAMS模型的基本结构和特征以及与数学表达式的关系。GAMS让用户专注建模，通过要求简洁和精确的实体和关系规范，鼓励良好的建模习惯。GAMS语言与通用编程语言形式相似，因此对于有编程经验的人来说是熟悉的。由于模型的制定方式在某种程度上与它的数学描述类似，所以不仅是程序员，实际领域的专家也能理解和维护。GAMS专注于建模并且允许做所有相关的事。

陈述性知识和程序性要素的平衡混合，允许用户在GAMS中构建复杂的算法甚至实现分解方法。尤其是解决异常问题的模型，以及随之而来的性能问题。

设计不一样的规则

我们努力去适应，而非直接拿来。
GAMS专注于其核心竞争力：让用户创建可读性、可维护的模型，用更好的求解方法解决任何问题。开放的体系结构和多个数据接口允许与外部系统无缝通信。

模型、求解器、数据、平台和用户界面都在独立层，便于切换求解器、使用多个数据集、在多个平台运行以及将GAMS整合到现有的应用、结构和工作流中去。

独立的模型和求解器

提供超过25个广泛和多样化的求解器组合，包括所有预期的商业化求解器。

LP/MIP/QCP/MIQCP: CPLEX, GUROBI, MOSEK, XPRESS
NLP: CONOPT, IPOPTH, KNITRO, MINOS, SNOPT
MINLP: ALPHAECP, ANTIGONE, BARON, DICOPT, OQNLP, SBB
混合互补问题求解器（MCP）、平衡约束数学规划求解器(MPEC)和约束非线性系统求解器(CNS)
免费捆绑到每个GAMS系统中的 (比如 BONMIN (MINLP), CBC (LP, MIP), COUENNE (MINLP), IPOPT (NLP)。教育版还包括了SCIP和SOPLEX。

选择使用的求解器非常简单---只要改变一行代码或者调整一个选项设置就可以了。想要比较求解器的性能或者看有什么改进的可能，也不需要做任何的设置。同样的，模型类型可以轻松切换（比如：线性和非线性），尝试不同的公式也非常的容易。通过使用GAMS，您可以得到一个广泛类型的模型和求解器的环境。

独立的模型和数据

你可以编写独立的模型数据，包括各种不同来源的数据，从ASCII到Excel或者Access 以及其他各种来源。比如使用GDX（GAMS数据交换）文件格式。GDX文件可以保存一个或多个GAMS符号的值，比如集、参数变量和方程。GDX文件可以为GAMS模型准备数据、展示GAMS模型的结果、使用不同的参数为这同一个模型保存结果等。GDX文件不能保存一个模型的公式或者执行语句。GDX文件二进制文件，可在不同平台进行移植。

独立的模型和平台

模型在平台间是完全可移植的---写一次，可以在任意地方运行。
GAMS可以在Windows, Linux, Mac OS X, SOLARIS, Sparc Solaris和 IBM Power AIX上运行。

独立的模型和用户界面

面向对象的GAMA API允许GAMS无缝整合到为交互提供适当类别的应用中。这三个面向对象GAMS API是.NET, Java和Python与.NET framework 4 (Visual Studio 2010)、Java SE 5或更高版本以及Python 3.4, 2.7和2.6。

除了面向对象的GAMA API，还有专家级别(或级别) 的GAMS API，它们的使用要求有高深知识的GAMS组件库。

除了API, GAMS还提供智能链接到应用程序，如MS Excel, MatLab或R。用户可以在这个环境中继续工作，通过一个API就可以访问GAMS所有的优化功能。这就允许应用中的模型数据和结果可以可视化和分析了。

大型、全球用户社区

超过120多个国家的不同领域的跨国公司、学校、研究机构和政府都在使用GAMS，包括能源化工、经济建模、农业规划或制造业。

GAMS求解器

GAMS中包含了多个数学规划模型，下面是每个模型的模型类型和支持平台的简介。

求解器	描述	求解器	描述
ALPHAECP	基于扩展平面切割（ECP）方法的MINLP求解器	LGO	全局--局部非线性优化求解套件
AMPL	在AMPL模型系统中使用求解器时与GAMS模型连接	LINDO 10.0	随机求解器，包括一个无限制版本的LINDOGLOBAL
ANTIGONE 1.1	MINLP确定性全局优化	LINDOGLOBAL 10.0	成熟全局解决方案的MINLP求解器
BARON	成熟全球解决方案的分支和减少优化向导	LINGO	在LINGO模型系统中使用求解器求解GAMS模型的链接
BDMLP	任意GAMS系统都配备了LP和MIP求解器	LOCALSOLVER 6.0	混合邻域搜索算法
BENCH	实用方便的GAMS求解器和验证方案	LS	GAMS线性回归求解器
BONMIN 1.8	COIN-OR MINLP求解器执行各类分支定界和外逼近算法	MILES	MCP求解器
CBC 2.9	高性能LP/MIP求解器	MINOS	NLP求解器
CONOPT 3	大型的NLP求解器	MOSEK 8	大型LP/MIP加锥凸非线性规划系统
CONOPT 4	大型的NLP求解器	MSNLP	全局优化的多启动方法
CONVERT	将模型转换成其他语言的标量模型的框架	NLPEC	使用其他GAMS NLP求解器把MPEC转换成NLP
COUENNE 0.5	（MI）NLP确定性全局优化	OQNLP	全局优化的多头启动方法
CPLEX 12.7	高性能LP/MIP求解器	OsiCplex	Bare-Bone与CPLEX连接
DE	产生和解决包括EMP/SP中的随机规划的确定等价	OsiGurobi	Bare-Bone 与Gurobi连接
DECIS	大规模随机规划求解器	OsiMosek	Bare-Bone与 Mosek 连接
DICOPT	求解MINLP模型框架	OsiXpress	Bare-Bone与 Xpress 连接
EXAMINER	检查解点并评估其优点的工具	PATHNLP	凸面问题的大规模NLP求解器
GAMSCHK	GAMS求解线性规划问题时对结构和解决方案属性的检查系统	PATH	大规模MCP求解器
GLOMIQO 2.3	混合整数二次模型分支定界全局优化	PYOMO	在PYOMO模型系统中使用求解器求解GAMS模型的链接
GUROBI 7.0	高性能LP/MIP求解器	SBB	求解MINLP模型的分支定界算法
GUSS	有效解决多个相关模型实例的框架（收集更新分散的求解方案）	SCIP 3.2	高性能约束整数规划求解器
IPOPT 3.12	大规模非线性规划的内点优化算法	SNOPT	基于NLP求解器的大规模SQP算法
JAMS	扩展数学规划求解器（包括LogMIP）	SOPLEX 2.2	高性能LP求解器
KESTREL	本地GAMS系统使用远程NEOS求解器框架	XA	大规模LP/MIP求解器
KNITRO 10.0	大型NLP求解器	XPRESS 28.01	高性能LP/MIP求解器

示例：
从著名的1963书(由GeorgeDantzig编写)中提取的一个运输问题,用来描述GAMS的有效性.这个模型只是模型库中的部分,模型库中还包含了大量的完整GAMS模型.

支持模型的类型：
GAMS模型类型包括LP,MIP和NLPs的不同形式.这里列出了GAMS支持的所有的模型类型.

GAMS的发展背景
GAMS是"GeneralAlgebraicModelingSystem" （一般性代数仿真系统）的缩写，较早是由美国的世界银行(WorldBank) 的Meeraus和Brooke[Brooke,KendrickmandMeeraus,1992]所发展。"GAMS"事实上并不代表任何更佳化数值算法，而只是一个高级语言的使用者接口，利用GAMS可以很容易建立、修改、除错你的更佳化模型输入文件，而输入档经过编译后，成为较低阶的更佳化数值算法程序所能接受的格式，再加以执行并写出输出档。

数值算法方面，对线性与非线性规划问题，GAMS使用由新南韦尔斯大学的Murtagh、及史丹福大学的Gill、Marray、Saunders、Wright等人所发展的MINOS[MurtaghandSaunders,1983]算法。MINOS是"ModularIn-coreNon- linearOptimizationSystem"的缩写，这个算法综合了缩减梯度法和准牛顿法，是专门为大型、复杂的线性与非线性问题设计的算法。对混合整数规划问题，则采用亚历桑那大学的Marsten及巴尔第摩大学的Singhal[1987]共同发展的ZOOM(Zero/OneOptimizationMethod)算法。

GAMS使用范例说明
如前所述，GAMS本身有非常完整的英文版使用者手册，GAMS的计算机软件中也附带了许多学习范例的档案。这里所作的GAMS使用范例说明，目的绝非在取代原版的使用者手册，而是要配合本课程说明的形式，重新编写使用范例输入文件，使读者能很快的进入情况，了解其使用程序。
GAMS的操作大抵可分为三个步骤：建立GAMS输入文件，执行GAMS程序，检视GAMS输出档内容。

展开收起