GAMS支持的模型类型
GAMS支持的模型类型
GAMS能够以多种不同的问题分类类型来公式化模型。这意味着从一个模型类型跳转到另一个将很简便。您能够同时在不同的模型类型中使用相同的数据，变量和方程式。
GAMS支持下列基本的模型类型：
LP 线性规划、MIP混合整数规划、NLP非线性规划、MCP混合互补问题、MPEC带方程式约束的数学规划、CNS受约束的非线性系统、DNLP带非连续导数的非线性规划、MINLP混合整数非闲心规划、QCP二次约束规划、MIQCP混合整数二次约束规划
GAMS/BASE
基础模型包括GAMS语言编辑器和一系列系统：执行系统、GAMSID（Windows）、系统文档化、模型库、转换工具、UNIX和GDX功能、COIN-OR、MILES、NLPEC以及在其余一些低版本中模块。
GAMS/AlphaECP
GAMS/AlphaECP是MINLP（混合整数非线性规划）求解器，基于扩展的截平面（ECP）方法。GAMS/AlphaECP可以应用到常规的MINLP问题和全局解决方案中，以确保伪凸MINLP问题。
GAMS/BARON
BARON是一个解决从非凸问题到全局的计算系统。纯粹的连续非线性规划（NLPs）、纯整数和混合整数非线性规划（MINLPs）都可以用GAMS/BARON来解决。
GAMS/CONOPT
GAMS/CONOPT跟MINOS以及别的GAMS中解决非线性问题的求解器的功能。多元非线性求解器的可用性可在增加非线性建模的整体性中体现出来。CONOPT是多方法求解器，它和别的GAMS NLP求解器往往相得益彰。如果一个求解器不能工作，其余的同功能求解器就会解决这个模型。如果求解器都不能工作，那就说明这个模型很复杂，需要手动地进行建模操作。
GAMS/CPLEX
GAMS/CPLEX是功能强的线性规划（LP）、混合整数规划（MIP）、二次约束规划（QCP）、二阶锥规划和混合整数二次约束规（MIQCP）求解器。
以下算法可以解决LP模型：原始算法、二元算法、网络算法、障算法、筛选算法。
CPLEX是运行很稳定的LP求解器，默认的设置都能使您得到很好的解决方案，如果您想重置算法选项来提高性能，CPLEX可提供一个选项文件来调整参数。
GAMS/DECIS
GAMS/DECIS可解决大规模的随机规划问题，采用Benders分解和利用Monte Carlo抽样方差减少技术的紧要性采样或控制变元。DECIS包含各策略的解决方案，并能解决大量随机参数的问题。在解决问题和子问题时，它可以跟MINOS或CPLEX求解器接口使用。
GAMS/DICOPT
DICOPT是解决MINLP（混合整数非线性规划）模型的框架。GAMS/DICOPT使用了标准的GAMS MIP和求解器可解决由算法产生的MIP和NLP问题。也就是说如果您要使用DICOPT求解器，您需要有一个GAMS MIP求解器（GAMS/CPLEX，GAMS/XA或GAMS/XPRESS）和一个GAMS NLP求解器（GAMS/CONOPT，GAMS/MINOS或GAMS/SNOPT）。
GAMS/GUROBI
GUROBI包含线性规划（LP）和混合整数规划（MIP）功能。GUROB求解器包含共享内存并行以及同时使用任意几个处理器和每个处理器核心数量的能力。
GAMS/KNITRO
KNITRO可找出有约束或没有约束的持续、平稳的非线性问题的解决方案。尽管KNITRO主要用于解决大规模的一般非线性问题，但也可以解决下面这些光滑改进问题：
不受约束
约束限制
等式约束
系统的非线性方程
线性规划问题（LPs）
二次规划问题（QPs）
一般（不平等）的约束问题
KNITRO功能特征如下：
对小型和大型的问题提供了解决方案
自由衍生功能，初次衍生和第二衍生选项
内点（屏障）和主动设置改进
可行和不可行的情况
反复和直接的方法计算步骤
KNITRO用内点和主动设置方法解决非线性规划问题
GAMS/LGO
LGO求解器结合了的算法，在小的分析假设情况下分析和解决复杂的非线性模型。使用LGO求解器，需要可计算的函数值，不需要梯度或高阶信息。LGO可被用于几种搜索模式，给广泛的非线性模型提供强的求解组合方法。求解组合方法提高了整体方案处理的可靠性。
LGO求解器的功能：
分支定界的全局搜索
全局自适应随机搜索
多起点全局搜索
约束局部改进
说明性应用领域：工程设计、计量经济学和财政、医学研究和生物技术、化工和加工工业、科学模型。
GAMS/LINDOGlobal
LINDOGlobal可用连续和离散变量的全局改进解决方案处理一般非线性问题。LINDO全局改进程序（GOP）引用了分支切割法把一个NLP模型切割可找出一个改进方案，或c)这个子问题再被切割成两个或三个子问题。
GAMS/MINOS
GAMS/MINOS是GAMS系统中早的NLP求解器，现在的使用频率也是高的。利用模型的稀疏和高效、可靠的下梯度法解决线性约束模型。用线性约束和增强Lagrangia目标函数来重复解决方案对非线性模型是可行的。MINOS和CONOPT是相辅相成的，并且引用不同的算法。
GAMS/MOSEK
MOSEK可解决线性、混合整数线性、凸非线性数学改进问题。使用内点算法解决大型线性规划。内点算法有很多复杂的求解选项，用户可以指定给哪个模型微调optimizer。MOSEK能解决涉及非线性锥约束和凸非线性规划的广义线性规划，这些问题用MOSEK内置的optimizer就可以解决。MOSEK内置的optimizer可解决大型稀疏问题。
现有的optimizer包含：
连续问题的内点optimizer
圆锥二次改进问题的圆锥内点optimizer
线性问题的形optimizer
基于分支和削减技术的混合整数optimizer
GAMS/MPSGE
MPSGE是一般均衡分析的数学规划系统。MPSG实际上是一个函数库和Jacobian评价系统，可方便AGE模型的制定和分析。MPSGE简化了模型处理，对这些模型感兴趣的经济学家都可以访问AGE模型。另外，解决具体模型问题时，MPSGE可作为一个结构框架模型，处理一般均衡模型。MPSGE需要GAMS/BASE模型，包含MILES MCP求解器，可选择性使用PATH MCP求解器。
GAMS/MSNLP
MSNLP（多起点NLP）是另一个随机搜索算法解决改进问题。跟OQNLP，MSNLP使用一个点发生器给本地NLP求解器创建候选起点。算法性能取决于起点发生器。MSNLP实现一个发生器创建均匀分布的点和智能随机生成器。这个生成器可用一个初步搜索在随机起点集中的地方定义可能发生的区域。两种智能随机变化近来才实现，一种用于单变量正态分布，另一种用于三角分布。
MSNLP包含了本地NLP求解器LSGRG，是全局分析包的一部分。
GAMS/OQNLP
OQNLP是连续变量或离散变量混合的光滑约束问题的全局optimizer。通过调用众多的出发点，OQNLP提高了NLP求解器的可靠性。当您用现有的NLP求解器不能解决时，可以试试OQNLP求解器。OQNLP也包含了本地NLP求解器LSGRG，拥有OQNLP许可证的用户还可以使用MSNLP求解器。
GAMS/PATH
PATH求解器用于MCP模型，基于牛顿理论，这个技术结合众多变量，扩展和增强功能。作为GAMS的子系统，提供了强的工具来解决大型和复杂模型的互补性和平衡建模。GAMS/PATH包含了NLP求解器PATHNLP。
GAMS/SBB
SBB解决混合整数非线性规划（NINLP）模型的求解器。它基于混合整数线性规划的标准分支定界法和GAMS已支持的标准NLP求解器。
GAMS/SNOPT
GAMS/SNOPT是新的大型连续二次规划求解器（SQP）。SNOPT是一个通用系统，可解决跟变量和约束相关的改进问题。它大限度的减少了线性或非线性函数接受的变量和稀疏线性或非线性约束边界。SNOPT适合解决大型线性、二次规划、线性约束改进以及一般非线性规划的问题。SNOPT使用序列二次规划（SOP）算法，从二次序列规划子问题中获得搜索方向。如果一些变量进入非线性或很多活跃的约束（包含简便的约束）多到跟变量数一样的时候，SNOPT就是有用的求解器。
GAMS/XA
GAMS/XA是线性和混合整数问题的求解器。
GAMS/XPRESS
GAMS/XPRESS求解器跟GAMS建模系统结合时才运行。GAMS/XPRESS是一个多功能、高性能的改进系统，结合了一个强的LP求解器、一个整数规划问题的MIP模型和一个屏障模型，用算法解决大型的LP问题。
