杉数求解器COPT 6.5正式发布！

杉数求解器COPT 6.5亮点

混合整数规划求解性能大幅提升，ASU测评榜排名领先

新增Callback功能

COPT Python接口新增支持广义约束

杉数求解器最新版本COPT 6.5已正式发布。此次升级的COPT 6.5版本大幅提升了混合整数规划的求解性能，进一步提升了线性规划等求解模块的速度和稳定性，在ASU测评榜上，取得了5项第一、5项第二的成绩。其中线性规划的最优顶点解和最优数值解两个榜单均排名世界第一，MIP榜单排名世界第二。 

COPT 6.5新增Callback功能，拓展了求解器的使用场景；改进了indicator和SOS约束功能的底层实现，显著提升其稳定性；在COPT Python接口中新增对广义约束（AND/OR/MAX/MIN/ABS/PWL）的支持。 

欢迎您前往杉数官网 https://www.shanshu.ai/copt 申请试用COPT最新版本，老用户需重新安装COPT并更新license文件。针对学术用户（以有效学术邮箱申请），我们提供365天可续用的免费试用权限；针对非学术用户，我们提供180天的免费试用权限。

✦  +

MIP求解性能大幅提升，ASU测评榜排名领先

COPT 6.5版本大幅提升了混合整数规划的求解性能，进一步提升了线性规划等求解模块的速度和稳定性。在ASU测评榜上排名领先，取得了5项世界第一、5项世界第二的成绩。

ASU测评榜是由美国亚利桑那州立大学Hans Mittelmann教授维护的国际权威数学优化软件测评平台，其中选取工业界有代表性的实际问题作为算例，其测评得到求解器业界的一致认可。在线性规划的最优顶点解和最优数值解两个榜单中，COPT 6.5均位列世界第一。

LP-最优顶点解榜单：COPT 6.5排名世界第一

LP-最优数值解榜单：COPT 6.5排名世界第一

COPT 6.5版本的MIP求解性能大幅提升，在MIP测评榜的3个榜单中均排名世界第二，综合求解性能和第一名差距缩减至一倍左右，也是榜单上唯一的国产求解器。以下是COPT 6.5 MIP求解模块的测评数据：

对于非线性规划问题的求解模块，COPT 6.5取得了3项第一、2项第二的成绩，各模块的测评数据如下所示：

COPT 6.5支持求解的问题类型及最新性能测评结果汇总如下表所示：

注：该表数据来源于美国亚利桑那州立大学Hans Mittelmann 教授维护的国际权威数学优化软件测评平台 http://plato.asu.edu/bench.html 2023年4月7日的测评结果。 

针对有着广泛且重要应用的MIP问题，在每一次的版本迭代中，COPT的求解性能都在不断提升，下图为MIPLIB测评集上的性能测评结果，未解出问题数量逐渐减少，加速比逐渐提升。我们也将持续努力提升各求解模块的性能，欢迎大家保持关注！ 

注：

1. “未解出数量”表示在MIPLIB算例集中，COPT每次更新版本未能解出的问题数量；

2. “加速比”表示相较于V2.0版本，COPT每次更新版本的相对求解速度。

✦  +

Callback功能

Callback（回调）功能是针对混合整数规划问题的高级控制功能，便于用户针对特定问题嵌入自己的算法。Callback功能支持在MIP求解过程中，根据指定触发点，获取中间信息（如：当前最优解、可行解或LP松弛解等）、动态控制MIP求解进程，如：添加惰性约束或用户割平面，以及设置自定义的启发式解等。 

以旅行商问题（Travelling Salesman Problem，简称TSP）为例，用户可以调用Callback功能，当找到MIP可行解时，获取当前可行解的信息（判断是否包含子回路），通过添加惰性约束，交互式地消除对应的子回路。

旅行商问题 (TSP)：消除子环约束数量指数级

MIP求解中添加Lazy Constraint，找到最优路径

以Python为例，调用Callback功能，简单来说，可概括为以下几个步骤：

1. 构建自定义 Callback 类，并继承 CallbackBase 类；

2. 实现 CallbackBase.callback() 函数；

3. 新建自定义 Callback 实例，并传入用户所需参量；

4. 通过 Model 类的 Model.setCallback() 函数添加 Callback 实例。

TSP调用Callback程序片段

关于如何在不同接口中调用Callback功能，可参考《杉数求解器用户手册》中相应章节的介绍以及各API函数说明。访问杉数教学平台 https://coridm.d2d.ai 即可查看完整TSP案例分析和代码实现，COPT安装包examples目录下也有示例代码（以Python接口为例，文件名为“cb_ex1.py”）。

✦  +

Python接口新增支持广义约束

COPT的Python接口中新增对广义约束（AND/OR/MAX/MIN/ABS/PWL）的支持，对于目标或约束中含有上述函数的优化问题，用户可以通过调用Model类的相关成员函数，直接添加上述广义约束进行建模和求解，如 Model.addGenConstrMax(y, [x1, x2, x3])，添加⼀条形如 y = max{x1, x2, x3} 的约束到模型中。具体的函数用法可以参考《杉数求解器用户手册》Python API的相关函数说明。 

杉数求解器COPT简介

COPT 6.5可用于高效、稳定地求解线性规划、混合整数规划、（混合整数）二阶锥规划、半定规划、（混合整数）凸二次规划和（混合整数）凸二次约束规划问题。此外，COPT还提供丰富友好的用户辅助功能，主要包括：

1. 针对不可行问题的分析功能：计算不可行模型的最小冲突集（Irreducible Inconsistent Subsystem，简称IIS），计算可行化松弛（Feasibility Relaxation，简称FeasRelax）；

2. 针对MIP问题的高级控制功能：设置MIP初始解、Callback功能；

3. 针对优化参数的自动调优工具：COPT Tuner；

4. COPT Python接口支持矩阵建模方式和广义约束等, 支持通过pip安装和更新coptpy，提供的coptpy-stubs支持type hints。

COPT支持所有主流操作系统，如Windows、MacOS、Linux (包括苹果自研芯片和arm64芯片)。用户可以从多种编程语言及建模工具中使用COPT，包括基于矩阵和向量数据的C语言接口，面向对象的Python、C++、C#、Java接口，以及Julia、AIMMS、AMPL、GAMS、Pyomo、PuLP、CVXPY等第三方建模工具接口。 

此外，COPT支持多种部署方式。除了个人电脑、服务器之外，我们还提供浮动授权和计算集群等部署方式，方便学校实验室和公司生产环境等场景的使用。欢迎通过 https://shanshu.ai/copt 申请免费的个人试用版本。如需试用服务器版、浮动授权或计算集群版本，请与我们取得联系coptsales@shanshu.ai。

如果您在安装或使用COPT的过程中遇到任何问题，欢迎扫描下方二维码（或用QQ搜索群：811049651）加入杉数求解器COPT QQ技术交流群提问和交流，群内的技术专家会进行解答，群内也会定期发布COPT的最新动态。