2-5 MindOpt 优化求解器和实践经验

核心问题：保证虚拟机运行安全稳定，硬件利用率最大化，提供性能充足且价格实惠的计算资源。
问题1：异常监控与诊断
- 挑战：突发故障不可避免，需快速诊断出故障发生并溯源根本原因。
- 解决方案：将故障诊断抽象为高维度空间中定位关键维度组合的组合优化问题，利用整数规划和次模优化模型设计高效求解方法。
- 效果：将疑难隐患风险排查耗时从3人月降低至1人天。
问题2：库存需求预估
- 挑战：如何在用户业务需求波动时保障足够的库存来提供服务。
- 解决方案：通过仿真建模和黑盒优化算法进行Quota值预估。
- 效果：需求满足率＞99.5%，降低库存成本数亿元。
问题3：碎片整理与调度
- 挑战：虚拟机资源数量大，热迁移操作约束多，优化问题规模大，求解难度高。
- 解决方案：基于数学规划建模，采用块坐标下降的逼近求解算法和领域预处理启发式方法。
- 效果：在时效需求内完成大问题求解，保障稳定调度，节省数亿元机器成本。
成果总结：通过时序Fast RobustSTL、组合优化、仿真建模、黑盒优化、数学规划求解器等技术，有效降低风险排查耗时，提升需求满足率，节省成本数亿元。

背景：虚拟电厂（VPP）聚合分布式发电装置、储能设备、可控负荷等，推动能源结构绿色转型，但其调度是一大难题。
问题：虚拟电厂调度本质上是一个大规模不确定性混合整数非线性规划（MINLP）问题，需确定不同类型电源的启停和出力、储能设备及电动汽车的充电或放电等。
解决方案：采用仿真优化算法，建立仿真模型，通过仿真器评估调度方案。
赛题难点：场景维度高、随机性强，难以求解。
MindOpt解决方案：设计ReSaDE算法，综合应用维度聚类、信赖域、近似梯度代理等技术，识别关键维度，跳出局部极值和不稳定点。
效果：相比基准调度方案，总成本降低了约三成（29%），系统风险指标降低了近四成（39%）。
应用：ReSaDE算法已集成到MindOpt仿真优化求解器中，可用于交通、物流、供应链、制造、医疗、医药等领域。阿里达摩院决策智能实验室基于MindOpt等核心技术打造的绿色能源AI，已逐步落地全国多家电网和发电企业。

新增功能：2022.08V0.20.0新增混合整数线性规划（MILP）问题求解，2022.05V0.19.0新增凸二次规划（convex QP）问题求解。
优化：安装方式、授权方式优化，开放新的免鉴权逻辑，FloatingLicense管理新设计，Windows、Linux、macOS的安装包优化。