Y A L MI P : O p t i m i z a t i o n Ma d e E a - - PowerPoint PPT Presentation

SLIDE 1

SLIDE 2

Y A L MI P : O p t i m i z a t i

• n

Ma d e E a s y !

a n d M

• d

e l i n g L a n g u a g e s / L a y e r s f

• r

O p t i m i z a t i

• n

i n g e n e r a l

P i e r r e H a e s s i g C e n t r a l e S u p é l e c R e n n e s , A p r i l 6

t h

, 2 1 7

SLIDE 3

SLIDE 4

4 / 1 4

Wh e r e i s h u m a n t i m e s p e n t ?

1 ) F

• r

m a l i z e t h e p r

• b

l e m i n t

• a

Ma t h e m a t i c a l O p t i m i z a t i

• n

p r

• b

l e m → c

• r

e s k i l l

• f

t h e r e s e a r c h e r 2 ) T r a n s f

• r

m t

• a

c a n

• n

i c a l f

• r

m ( s

• l

v e r s p e c i f i c A P I ) [ n

• w

s

• m

e c

• m

p u t i n g t i m e ../ ] 3 ) R e t r i e v e r e s u l t s

• u

t

• f

t h e c a n

• n

i c a l f

• r

m a t ( a g a i n s

• l

v e r s p e c i f i c )

Y A L MI P c a n h e l p t h e r e s e a r c h e r f

• c

u s

• n

i t s c

• r

e s k i l l

SLIDE 5

SLIDE 6

6 / 1 4

Mo d e l i n g L a n g u a g e s / L a y e r s f

• r

O p t i m i z a t i

• n

E n v i r

• n

m e n t S

• fu

w a r e / T

• b
• x

/ P a c k a g e S t a n d a l

• n

e A MP L , G A MS ( ~ 1 9 9 ) Ma t l a b Y A L MI P , C V X ( ~ 2 ) P y t h

• n

P u L P , C V X P y J u l i a J u MP , C

• n

v e x . j l

SLIDE 7

7 / 1 4

R e l a t i

• n

s h i p t

• t

h e

• p

t i m i z a t i

• n

s

• l

v e r

• Wh

e n u s i n g a m

• d

e l i n g e n v i r

• n

m e n t , t h e s

• l

v e r i s m

• s

t l y h i d d e n f r

• m

t h e u s e r .

• T

h e c h

• i

c e

• f

t h e m

• d

e l i n g l a y e r i s ( m

• s

t l y ) i n d e p e n d e n t

• f

t h e c h

• i

c e

• f

s

• l

v e r . F

• r

e x . Y A L MI P p r

• v

i d e s i n t e r f a c e s f

• r

m

• s

t c

• m

m

• n

s

• l

v e r s :

– G

u r

• b

i , C P L E X , MO S E K ( C

• m

m e r c i a l )

– G

L P K , I p

• p

t , S E D U MI ( F r e e )

– l

i n p r

• g

f r

• m

Ma t l a b O p t i m i z a t i

• n

T

• l

b

• x

S

• l

v e r

G u r

• b

i , C P L E X

Mo d e l i n g e n v .

Y A L M I P , A M P L

U s e r

SLIDE 8

8 / 1 4

Ma t l a b T

• b
• x

e s

• Y

A L MI P : 2 1 – p r e s e n t , J . L ö f b e r g f r

• m

L i n k ö p i n g U n i v e r s i t y , ( p

• s

t

• d
• c

a t E T H Z ü r i c h )

P r

• j

e c t : h tu p s : / / y a l m i p . g i t h u b . i

• /

. A u t h

• r

: h tu p : / / u s e r s . i s y . l i u . s e / e n / r t / j

• h

a n l /

• C

V X : 2 5 – p r e s e n t , M. G r a n t a n d S . B

• y

d . f r

• m

S t a n f

• r

d U n i v e r s i t y ( c

• m

p a t i b i l i t y p r

• b

l e m w i t h M a t l a b 2 1 7 )

–

C V X R e s e a r c h , i n c . 2 1 2 : h tu p : / / c v x r . c

• m

/

–

M. G r a n t j

• i

n e d C

• n

t i n u u m A n a l y t i c s i n 2 1 5 ( p l a t f

• r

m s f

• r

D a t a S c i e n c e , m

• s

t l y P y t h

• n

) .

SLIDE 9

9 / 1 4

Y A L MI P q u i c k s t a r t

1 ) D

• w

n l

• a

d Z I P a r c h i v e a n d u n z i p t h e a r c h i v e i n s

• m

e f

• l

d e r .

( h tu p s : / / y a l m i p . g i t h u b . i

• /

d

• w

n l

• a

d / )

2 ) A d d Y A L MI P f

• l

d e r s ( w i t h s u b f

• l

d e r s ) t

• t

h e MA T L A B p a t h .

( c f . h tu p s : / / y a l m i p . g i t h u b . i

• /

t u t

• r

i a l / i n s t a l l a t i

• n

/ )

3 ) S t a r t u s i n g i t ! Y

• u

c a n l

• k

a t t h e “ G e tu i n g S t a r t e d ” t u t

• r

i a l .

( h tu p s : / / y a l m i p . g i t h u b . i

• /

t u t

• r

i a l / b a s i c s / )

SLIDE 10

1 / 1 4

D e mo : G r i d

• c
• n

n e c t e d P V

• s

t

• r

a g e s y s t e m

c f . P V g r i d . m s c r i p t

SLIDE 11

1 1 / 1 4

Wr a p u p : a d v a n t a g e s / d r a w b a c k s

K e y a d v a n t a g e s :

• S

h

• r

t e r s t a r t i n g t i m e ( f

• r

s t u d e n t s ) , s h

• r

t e r d e v e l

• p

m e n t t i m e

• I

n c r e a s e d a g i l i t y ( → b e tu e r r e s e a r c h ! )

– Qv i

c k l y c

• mp

a r e s

• l

v e r s

– Qv i

c k l y c

• mp

a r e d i fg e r e n t p r

• b

l e m mo d e l s ( e . g . L P v s . Q P )

B u t m a y b e :

• C
• m

p u t a t i

• n

a l

• v

e r h e a d ?

– e

. g . l e s s e fg i c i e n t w h e n r e c y c l i n g t h e p r

• b

l e m ( l i k e f

• r

MP C ) ?

SLIDE 12

1 2 / 1 4

A p p l i c a t i

• n

t

• E

m b e d d e d O p t i m i z a t i

• n

E x a m p l e

• f

a n A u t

• n
• mo

u s D r i v i n g R C C a r “ B A R C P r

• j

e c t ”

• I

m p l e m e n t a t i

• n

w i t h J u l i a + J u MP ( + R O S + ../ )

• P

r

• j

e c t p a g e s :

h tu p : / / w w w . b a r c

• p

r

• j

e c t . c

• m

/ , h tu p s : / / g i t h u b . c

• m

/ MP C

• B

e r k e l e y / b a r c

• P

r e s e n t a t i

• n

b y J

• n

G

• n

z a l e s ( B e r k e l e y MP C L a b ) a t J u l i a C

• n

2 1 6

h tu p s : / / w w w . y

• u

t u b e . c

• m

/ w a t c h ? v = b X 4 T X WO 7 d A

SLIDE 13

1 3 / 1 4

S t a n d a l

• n

e c

• m

m e r c i a l m

• d

e l i n g l a n g u a g e s

• A

MP L ( A Ma t h e m a t i c a l P r

• g

r a m m i n g L a n g u a g e ) h tu p : / / a m p l . c

• m

/

– s

t a r t e d ~ 1 9 8 5 a t B e l l l a b s

– “

A MP L O p t i m i z a t i

• n

L L C ” s p u n

• fg

i n 2 2 .

• G

A MS ( G e n e r a l A l g e b r a i c Mo d e l i n g S y s t e m ) h tu p s : / / w w w . g a m s . c

• m

– s

t a r t e d i n 1 9 7 s a t t h e Wo r l d B a n k ( a n e c

• n
• m

i c m

• d

e l i n g g r

• u

p )

– c

• m

m e r c i a l p r

• d

u c t b y “ G A MS D e v e l

• p

e m e n t C

• r

p . ” s i n c e 1 9 8 7

SLIDE 14

1 4 / 1 4

S

• m

e r e f e r e n c e s , i n c h r

• n
• l
• g

i c a l

• r

d e r

• G

A MS : J . B i s s c h

• p

a n d A . Me e r a u s , “ O n t h e d e v e l

• p

m e n t

• f

a g e n e r a l a l g e b r a i c m

• d

e l i n g s y s t e m i n a s t r a t e g i c p l a n n i n g e n v i r

• n

m e n t , ” Ma t h e m a t i c a l P r

• g

r a m m i n g S t u d i e s , v

• l

. 2 , p . 1 – 2 9 , 1 9 8 2 .

• A

MP L : R . F

• u

r e r , D . M. G a y , a n d B . W. K e r n i g h a n , “ A Mo d e l i n g L a n g u a g e f

• r

Ma t h e m a t i c a l P r

• g

r a m m i n g , ” Ma n a g e m e n t S c i e n c e , v

• l

. 3 6 , n

• .

5 , p . 5 1 9 – 5 5 4 , 1 9 9 .

• Y

A L MI P : J . L ö f b e r g , “ Y A L MI P : a t

• l

b

• x

f

• r

m

• d

e l i n g a n d

• p

t i m i z a t i

• n

i n MA T L A B , ” i n 2 4 I E E E I n t e r n a t i

• n

a l C

• n

f e r e n c e

• n

R

• b
• t

i c s a n d A u t

• m

a t i

• n

, 2 4 .

• C

V X : M. G r a n t a n d S . B

• y

d , “ G r a p h I m p l e m e n t a t i

• n

s f

• r

N

• n

s m

• t

h C

• n

v e x P r

• g

r a m s ” , i n R e c e n t A d v a n c e s i n L e a r n i n g a n d C

• n

t r

• l

( t r i b u t e t

• M

. V i d y a s a g a r ) , V . B l

• n

d e l , S . B

• y

d , a n d H . K i m u r a , e d i t

• r

s , S p r i n g e r , 2 8 , p p . 9 5

• 1

1 .