Xpress-Optimizer는 3 가지 최적화 알고리즘을 가지고 있으며, 사용자는 이러한 알고리즘을 사용하여 선형 계획 문제 (LP), 혼합 정수 계획 문제 (MIP), 2 차 계획 문제 (QP), 혼합 정수 이차원 계획 문제 (MIQP), 비선형 계획 문제 (NLP) 및 혼합 정수 비선형 계획 문제 (MINLP)를 풀 수 있습니다.

LP Optimizer

Primal Simplex 방식과 Dual Simplex 방식을 모두 포함하고 있는 Simplex Optimizer 도구를 사용하여 LP 문제를 풉니다. 또한 Simplex Optimizer는 분지 한정법 (Branch & Bound Method)의 프레임 워크 내에서, MIP와 MIQP 문제를 풀 때에도 사용됩니다.
Newton Barrier Optimizer는 LP 문제와 QP 문제를 Interior Point 방식으로 풉니다. 또한 Xpress는 "희소 행렬 (sparse matrix)"을 높은 효율로 처리하는 방식을 채용하여 큰 문제도 빠르게 해결 능력을 가지고 있습니다. Pre-solve 기능을 적용하여 사전에 문제의 크기를 축소하는 데 때로 는 매우 효과적으로 축소시키기도 합니다.
Xpress는 수치적으로 어렵거나 불안정한 문제를 푸는 능력이 뛰어난 것으로 평가 받습니다. 이것은 Xpress가 프로세스 산업에서 타의 추종을 불허하는 선두 주자인 이유 중 하나입니다.

MIP / MIQP Optimizer

MIP / MIQP Optimizer는 MIP와 MIQP 문제를 풀기 위해 Advanced Branch & Bound Algorithm 을 사용하고 있습니다. 이 MIP / MIQP 옵티마이저는 특히 고품질의 솔루션을 빠르게 찾을 수 있다고 잘 알려져 있습니다. MIP 문제는 기하 급수적인 개수의 가능한 해가 있지만, Xpress MIP Optimizer는 솔루션의 수를 최대 크기까지 분기한 후 잘라내고, 좋은 솔루션을 신속하게 얻기 위하여 빠르게 탐색할 수 있는 능력을 갖고 있습니다.
Xpress MIP 최적화에는 강력한 여러 전환 방법이 포함되어 있습니다. 최적화 과정에서 새로운 Branch를 자동으로 생성하고 Upper bound, Low bound를 개 선하고 검색의 규모를 축소합니다 (MIP 알고리즘은 본질적으로 "Branch & Cut" 할 수 있습니다). Pre-solve는 MIP 문제에 특히 유용합니다. Pre-solve는 문제를 더욱 엄격하게 정의하고 이것으로 인해 초기해가 개선되고, 더 나은 Branch가 생성되기 때문입니다.

Xpress-SLP

Xpress-SLP는 Xpress 7의 새로운 비선형 최적화이며, 비선형 (non-linear programming) 문제와 혼합 정수 문제를 해결할 수 있습니다. Xpress-SLP는 세계 최초의 대규모 MINLP (mixed integer non-linear programming) 구성 요소이며, 전세계에서 지지를 받고 있습니다.
Xpress-SLP는 LP 최적화, QP 최적화, MIP 최적화 문제들보다 더 광범위한 최적화 문제를 해결할 수 있습니다. Xpress-SLP는 Xpress-Mosel와 Xpress-IVE에서 모델링을 완벽하게 지원하고 있으며, Xpress 계열의 사용 가능한 LP 최적화, MIP 최적화, QP 최적화, MIQP 최적화와 마찬가지로 모든 범위에서 임베디드 및 인터페이스 능력을 가지고 있습니다.
최단 시간에 MIP 문제를 풀거나 매우 어려운 MIP 문제에 대한 해결책을 얻고자 하는 경우, 병렬 프로세서를 사용하는 것이 이상적입니다. 병렬 처리 시스템에서 사용자는 병렬 처리 능력을 이용하여 MIP 문제를 해결할 수 있습니다. 자세한 내용은, Multiple models and parallel solving with Mosel 을 참조하시기 바랍니다.
Xpress 문제 크기에 대해 아무런 내부적인 제한은 없습니다. 문제가 컴퓨터의 32 비트 메모리 또는 64 비트 메모리의 물리적 제한에 맞는 한 사용자는 문제를 해결할 수 있습니다.
Xpress는 64 비트 컴퓨터에서의 운영을 지원합니다.

Xpress-Optimizer 개요