MindOpt Tuner调参器，提升求解速度、性能（二）

MindOpt Tuner是达摩院决策智能实验室基于mindopt优化求解器研发的调参器，超参自动优化工具，它可以帮助运筹优化工程师在使用求解器时自动搜索最佳参数组合，尝试不同的参数组合，评估每组参数的性能，然后基于这些结果来确定最佳参数。这样可以大大减少手动调整参数的时间和精力，并且可以帮助提升求解性能。

Python调用

上一篇中讲解了如何使用命令行来调用和查询结果。里面的接口都有封装为Python接口，我们可以输入如下指令引入文件，也可以再输入help指令来查看对应的Python API说明：

import mtunerpy as mtuner
#help(mtuner)

OpenBLAS WARNING - could not determine the L2 cache size on this system, assuming 256k

这里我们可以如下方式来提交任务：

scenario_dict = {
    'solver': 'cbc',
    'problem': ['./model/nl_train_1.nl'],
    'max_tuning_time': 600
}
mtuner.create_task(scenario_dict)

Problem file "nl_train_1.nl" uploaded successfully.
Task #438397484918644736 created succesfully.

这里小编得到任务ID：438394637284024320。
类似地，我们还可以提交一组优化问题算例mps_train_oss.txt进行调参。
如下，得到任务ID 438394766997069824。

scenario_dict = {
    'solver': 'cbc',
    'problem': ['./model/mps_train_oss.txt'],
    'max_tuning_time': 3600
}
mtuner.create_task(scenario_dict)

Task #438397553394851840 created succesfully.

运行成功后，我们可以通过如下方式获取结果。可以看到和命令行的结果一样，都可以得到比较多的求解效率提升。

import mtunerp