从模型到决策应用的完整能力
适合需要长期维护优化模型、比较不同求解器，并把模型结果用于真实决策流程的团队。
GAMS 语言与 Studio
用集合、参数、变量和方程描述优化问题，并在 Studio 中完成编辑、运行与调试。
求解器生态
支持 LP、MIP、NLP、MINLP、MCP 等模型类型，并可连接多种商业与开源求解器。
GAMSPy
在 Python 环境中构建和求解优化模型，便于与数据管道、Pandas 和自动化脚本结合。
GAMS MIRO
将模型输入、场景设置和结果可视化封装为交互式决策应用，降低使用门槛。
GAMS Engine
用于集中运行、排队和管理优化作业，适合团队共享模型和执行较大规模计算。
API 与数据交换
支持与外部数据、脚本和企业系统衔接，让优化模型进入更完整的业务流程。
按优化问题类型理解功能
不同模型结构对应不同求解策略。选择接近您业务问题的类型，可进一步确认适合的求解器和应用场景。
面向业务用户的决策应用
当优化模型需要交给业务部门反复使用时，可通过 MIRO 将参数输入、情景比较和结果展示组织成界面，避免每次都由建模人员手工改代码。
- 支持场景化输入和结果可视化。
- 适合展示模型假设、约束与输出指标。
- 可与 Engine 结合，运行更复杂的后台计算任务。
常用求解器能力对照
不同求解器适合不同模型类型。下表用于快速了解常见求解器的应用方向。
| 求解器 | 主要模型类型 | 常见场景 | 适用关注点 |
|---|---|---|---|
| Gurobi | LP / QP / MIP / MIQP | 电力市场、供应链、生产排程、网络优化 | 并行性能、MIP gap、可行解速度、授权部署方式 |
| CPLEX | LP / QP / MIP / CP | 制造排程、运输网络、能源组合、复杂约束规划 | 大规模模型稳定性、参数调优、企业系统集成 |
| CONOPT | NLP | 过程优化、OPF、连续非线性模型 | 局部收敛稳定性、初值敏感性、非线性函数结构 |
| KNITRO | NLP / 部分 MINLP | 金融组合、工程优化、非线性约束模型 | 算法策略选择、约束可行性、迭代诊断 |
| BARON | MINLP / 全局优化 | 非凸模型、多周期网络、含离散决策的非线性调度 | 全局界限、计算时间、模型缩放与变量边界 |
| PATH | MCP / MPEC | CGE、市场均衡、多主体博弈、政策分析 | 互补条件表达、均衡可解释性、模型归一化 |
技术环境要求
GAMS 可运行于主流 64 位 Windows、Linux 与 macOS 平台；具体求解器、API 和组件支持可能因平台而异。
常用于桌面建模、教学、企业用户试用和本地部署。
适合使用 Mac 的研究、建模和本地调试团队。
适合服务器、工作站、云平台和自动化运行环境。
求解器、Engine 与许可证服务有各自平台和授权要求。
正式采购前建议结合目标求解器、GAMS Engine、API 和部署方式再次确认平台支持。