В документации предполагается, что наборы должны располагаться в одном порядке для повышения производительности. Если большинство наших переменных имеют общий набор, что лучше иметь общий набор первым или последним?
Т.е. что более эффективно?
y[i,t] =E= a[t] * x[j,t];
or
y[t,i] =E= a[t] * x[t,j];
Суть этого «того же порядка» в том, что наборы должны использоваться в том порядке, в котором они контролируются. Так
Equation1(t,i,j).. y[t,i] =E= a[t] * x[t,j];
должно быть лучше, чем
Equation2(i,j,t).. y[t,i] =E= a[t] * x[t,j];
Кроме этого, не так-то просто дать много общих правил. Если у вас также есть полный контроль над контрольными индексами, часто бывает полезно, если самый большой набор будет последним, поэтому если t >> i, то x[i,t] должно быть лучше, чем x[t,i]. Обычно параметр командной строки GAMS profile (https://www.gams.com/latest/docs/UG_GamsCall.html#GAMSAOprofile) очень полезен для проверки влияния различных формулировок вашего режима.
$set max 200 Set t / t1*t%max%/ i / i1*i%max%/ j / j1*j%max%/; ... Equation1(t,i,j).. y[t,i] =E= a[t] * a[t] *b[t] *c[t] *d[t] * z[t] * x[t,j]; Equation2(i,j,t).. yy[i,t] =E= a[t] * a[t] *b[t] *c[t] *d[t] * z[t] * xx[j,t]; Вот профиль на моей машине: 14.812sec Equation1 (8000000); 16.265sec Equation2
- person Lutz; 04.11.2019
Если кто-то наткнется на это, контекст представляет собой большую динамическую экономическую модель.
Мы попытались переключить наш временной индекс с того, чтобы он всегда был последним, на всегда первый. Модель представляет собой квадратную систему примерно из 1m уравнений, 7m элементов Якоби, из которых 2m являются нелинейными.
Время решения с использованием CONOPT4 было значительно хуже после внесения изменений. Т.е. у нас лучшая производительность с последним, а не первым временным индексом, несмотря на то, что временной индекс является одним из самых больших наборов в модели. Результат, вероятно, не переносится на другие модели, но подтверждает, что нет тривиального ответа.
