Un langage de modélisation pour la programmation mathématique
— AMPL est un langage de modélisation algébrique complet et puissant pour la résolution de problèmes linéaires et non linéaires, aux variables discrètes ou continues.
Développé dans les laboratoires de Bell, AMPL vous permet d’utiliser des notations génériques et des concepts familiers pour formuler des problèmes d’optimisation et pour en examiner les solutions possibles, pendant que votre machine se charge de communiquer avec le solveur approprié. La flexibilité et la facilité d’utilisation d’AMPL rendent le prototypage et le développement de modèles très rapide, tandis que sa vitesse et le contrôle des options en font un outil efficace pour une utilisation répétée en production.
actualités
Artelys Knitro 14.1 : résout très rapidement vos modèles non-convexes
– Nous avons le plaisir d’annoncer qu’Artelys Knitro 14.0 est maintenant disponible ! Cette nouvelle version permet aux entreprises de résoudre des problèmes complexes d’optimisation non linéaire avec une efficacité et une précision sans précédent.
Artelys Knitro 14 : nouvelle version de notre solveur d’optimisation non linéaire
– Nous avons le plaisir d’annoncer qu’Artelys Knitro 14.0 est maintenant disponible ! Cette nouvelle version permet aux entreprises de résoudre des problèmes complexes d’optimisation non linéaire avec une efficacité et une précision sans précédent.
Les dernières versions d’Artelys Knitro et CasADi sont compatibles !
— CasADi est un outil libre d’optimisation numérique axé sur la commande optimale. Les versions de CasADi égale et supérieures à 3.6.2 sont maintenant compatibles avec la version 13.2 d’Artelys Knitro.
un langage de modélisation reconnu mondialement
clients
pays
citations
interfaces de programmation
applications
Transport
Santé
Industrie
Télécommunications
Finance
Conseil / Services
Energie / Ressources naturelles
Transport
Sa grande flexibilité permet à AMPL de modéliser de multiples problèmes rencontrés dans le secteur du transport que ce soit dans l’aérien, le trafic ferroviaire ou l’optimisation de tournées de véhicules.
— Utilisations courantes d’AMPL
• Planification du personnel navigant
• Gestion des ressources au sol d’un aéroport
• Tournées de véhicules
• Optimisation du transport de fret
• Logistique
— Dans la littérature
• C. R. Rosales, M. J. Fry, R. Radhakrishnan (2009): “Transfreight Reduces Costs and Balances Workload at Georgetown Crossdock”, INFORMS Journal on Applied Analytics, 305-383.
• S. Kontogiorgis, S. Acharya (1999): US Airways Automates Its Weekend Fleet Assignment”, INFORMS Journal on Applied Analytics, 1-115.
Industrie
— Utilisations courantes d’AMPL
• Gestion et planification de la production
• Supply chain
• Distribution
— Dans la littérature
• G. Everett, A. Philpott, K. Vatn, R. Gjessing (2010): “Norske Skog Improves Global Profitability Using Operations Research”, INFORMS Journal on Applied Analytics, 1-103.
• F. Caro, J. Gallien, M. Díaz, J. García, J. M. Corredoira, M. Montes, J. Antonio Ramos, J. Correa (2010): “Zara Uses Operations Research to Reengineer Its Global Distribution Process”, INFORMS Journal on Applied Analytics, 1-103.
• Nejat Karabakal, Ali Günal, Warren Ritchie (2000): “Supply-Chain Analysis at Volkswagen of America”, INFORMS Journal on Applied Analytics, 1-106.
Finance
— Utilisations courantes d’AMPL
• Gestion de portefeuilles, optimisation de coûts
• Tarification optimale et gestion des risques
• Estimation de la volatilité
• Gestion de risques de crédit
• Assurance
Energie / Ressources naturelles
— Utilisations courantes d’AMPL
• Problèmes de flux optimal sur les réseaux électriques (OPF)
• Optimisation de la production de pétrole et de gaz
• Exploitation minière
• Gestion de croissance des populations
— Dans la littérature
• L. Reus, M. Belbèze, H. Feddersen, E. Rubio (2018): “Extraction Planning Under Capacity Uncertainty at the Chuquicamata Underground Mine”, INFORMS Journal on Applied Analytics, 487-604.
• M. Kuchta, A. Newman, E. Topal (2004): “Implementing a Production Schedule at LKAB’s Kiruna Mine”, INFORMS Journal on Applied Analytics, 87-169.
• Rosa, R., Vaz, J., Mota, R. et al. (2017): “Preference for Landings’ Smoothing and Risk of Collapse in Optimal Fishery Policies: The Ibero-Atlantic Sardine Fishery“, in Environmental and Resource Economics.
• Liu, Z., Wang, S., and Ouyang, Y. (2017): “Reliable Biomass Supply Chain Design under Feedstock Seasonality and Probabilistic Facility Disruptions”, Energies 2017, 10, 1895.
• S. A. Stoddard (2005) “Maximizing Federal Natural Gas Royalties”, INFORMS Journal on Applied Analytics, 349-448.
Santé
— Utilisations courantes d’AMPL
• Gestion des ressources d’un hôpital
• Planification des opérations
• Optimisation des séances de traitement
— Dans la littérature
• B. Benchoff, C. Arai Yano, A. Newman (2017): Kaiser Permanente Oakland Medical Center Optimizes Operating Room Block Schedule for New Hospital, INFORMS Journal on Applied Analytics, 195-277.
• M. R. Bowers, C. E. Noon, W. Wu, J. K. Bass (2016): Neonatal Physician Scheduling at the University of Tennessee Medical Center, INFORMS Journal on Applied Analytics, 119-201.
• J. L. Andrade-Pineda, P. L. Gonzalez-R, J. M. Framinan (2013): A Decision-Making Tool for a Regional Network of Clinical Laboratories, INFORMS Journal on Applied Analytics, 297-395.
• Y. Ferrand, M. Magazine, U. S. Rao, T. F. Glass (2011): Building Cyclic Schedules for Emergency Department Physicians, INFORMS Journal on Applied Analytics, 521-615.
Télécommunications
— Utilisations courantes d’AMPL
• Optimisation de réseaux de transmission
• Allocation de ressources
• Gestion de services internet
— Dans la littérature
• Sosa-Paz, C., Ruckmann, J., and Sánchez-Meraz, M. (2010): “Joint Routing, Link Scheduling and Power Control for Wireless Multi-hop Networks for CDMA/TDMA Systems”, in Científica, 14 (4), 165-172.
Conseil / Services
— Utilisations courantes d’AMPL
• Management
• Gestion de centres d’appel
• Génie industriel
— Dans la littérature
• M. F. Keblis, M. Chen (2006): Improving Customer Service Operations at Amazon.com, INFORMS Journal on Applied Analytics, 383-482.
fonctionnalités
— AMPL possède un certain nombre de fonctionnalités essentielles pour faciliter la modélisation et la communication avec une large gamme de solveurs d’optimisation linéaires et non linéaires. La richesse de son langage facilite l’écriture de modèles d’optimisation, en faisant un outil incontournable pour le développement et le déploiement de systèmes complexes.
AMPL IDE, environnement de développement
Séparation du modèle et des données +
Connexion simple à de multiples formats de données : fichiers textes, Excel, base de donnée SQL +
Librairie de fonctions mathématiques +
Interfaces avec les solveurs Artelys Knitro et FICO Xpress
interfaces
systèmes d’exploitation
téléchargez la brochure
témoignages
— “La performance d’Artelys Knitro et d’AMPL nous a permis d’automatiser nos séances de radiothérapie, les séances de traitement sont plus courtes et ciblent mieux les tumeurs cancéreuses. Cette méthode qui repose sur la résolution de problèmes d’optimisation de grande taille a déjà permis de traiter plus de 800 patients.”
— “L’utilisation de composants robustes, innovants et performants nous permet de mener des analyses fiables sur des sujets sensibles comme la sécurité du réseau.”
demander une démo
