ไฮเอชเอส

สำนักงานใหญ่	เอดินบะระ
ที่ตั้ง	สหราชอาณาจักร
ผู้อำนวยการ	จูเลียน ฮอลล์
บุคคลสำคัญ	อีเว็ต กาลาโบวา
พนักงาน	8
เว็บไซต์	www.highs.dev​​

ไฮเอชเอส
เวอร์ชันเสถียร	ดูบันทึกการเผยแพร่
เขียนเป็น	ซี++
พิมพ์	ชุดเครื่องมือแก้ปัญหาการหาค่าเหมาะสมที่สุด
ใบอนุญาต	เอ็มไอที
เว็บไซต์	www.highs.dev​​
ที่เก็บข้อมูล	github.com/ERGO-Code/HiGHS​​​

HiGHSเป็นซอฟต์แวร์โอเพนซอร์สสำหรับแก้ปัญหาการเขียนโปรแกรมเชิงเส้น (LP) การเขียนโปรแกรมจำนวนเต็มแบบผสม (MIP) และการเขียนโปรแกรมกำลังสองแบบ นูน (QP) ^{[ 1 ] [ 2 ]}

HiGHS เขียนด้วยภาษาC++และเผยแพร่ภายใต้ ใบอนุญาต MIT โดยมีอินเทอร์เฟซการเขียนโปรแกรมสำหรับ C , Python , Julia , Rust , R , JavaScript , FortranและC#ไม่มีการพึ่งพาภายนอก ใดๆ มี wrapper ขนาดเล็กที่สะดวกสำหรับ Python ให้ใช้งานได้ผ่าน แพ็คเกจ highspyบน PyPI นอกจาก ^นี้ HiGHS ยังสามารถเรียกใช้งานได้ผ่านNuGet [ ^{3 ]}

แม้ว่าโดยทั่วไปจะเป็นแบบเธรดเดียว แต่ส่วนประกอบตัวแก้ปัญหาบางส่วนสามารถใช้สถาปัตยกรรมมัลติคอร์ได้ และตั้งแต่เวอร์ชัน 1.10.0 เป็นต้นไปสามารถเรียกใช้ตัวแก้ปัญหา LP อันดับแรกบน GPU ของ NVIDIA ได้ HiGHS ได้รับการออกแบบมาเพื่อแก้ปัญหาโมเดลขนาดใหญ่และใช้ประโยชน์จากความเบาบางของปัญหาประสิทธิภาพของมันเมื่อเทียบกับซอฟต์แวร์เชิงพาณิชย์และซอฟต์แวร์โอเพนซอร์สอื่นๆ จะได้รับการตรวจสอบเป็นระยะโดยใช้เกณฑ์ มาตรฐาน อุตสาหกรรม^{[ 4 ]}

คำว่าHiGHSอาจหมายถึงทั้งโครงการพื้นฐานและทีมขนาดเล็กที่รับผิดชอบการพัฒนาซอฟต์แวร์ด้วยเช่นกัน

HiGHS สร้างขึ้นจากตัวแก้ปัญหาที่เขียนโดยนักศึกษาปริญญาเอกจากกลุ่มวิจัยการเพิ่มประสิทธิภาพและการดำเนินงาน ^{[ 5 ]}ในคณะคณิตศาสตร์ มหาวิทยาลัยเอดินบะระต้นกำเนิดของมันสามารถสืบย้อนไปได้ถึงปลายปี 2016 เมื่อ Ivet Galabova ได้รวม LP presolve ของเธอเข้ากับขั้นตอน simplex crash ของ Julian Hall และตัวแก้ปัญหา dual simplex ของ Huangfu Qi เพื่อแก้ปัญหา LP ในอุตสาหกรรมประเภทหนึ่งได้เร็วกว่าตัวแก้ปัญหาโอเพนซอร์สที่ดีที่สุดในเวลานั้น^{[ 6 ]} ตั้งแต่นั้นมา API C++ และอินเทอร์เฟซภาษาอื่นๆ ได้รับการพัฒนาขึ้น และยูทิลิตี้การสร้างแบบจำลองและตัวแก้ปัญหาประเภทอื่นๆ ก็ได้ถูกเพิ่มเข้ามา  

ในช่วงต้นปี 2022 โครงการสร้างแบบจำลองระบบพลังงานแบบเปิด GenXและPyPSAได้รับรองการขอรับทุนสำหรับตัวแก้ปัญหา HiGHS เพื่อลดการพึ่งพาไลบรารีที่เป็นกรรมสิทธิ์ ของ ชุมชน^{[ 7 ]}

HiGHS มีการใช้งานวิธีซิมเพล็กซ์แบบปรับปรุง ทั้งแบบดั้งเดิมและแบบคู่ สำหรับการแก้ปัญหา LP โดยอิงตามเทคนิคที่อธิบายโดย Hall และ McKinnon (2005) ^{[ 8 ]}และ Huangfu และ Hall (2015, 2018) ^{[ 9 ] [ 1 ]}ซึ่งรวมถึงการใช้ประโยชน์จากความเบาบางเป็นพิเศษเมื่อแก้ระบบเชิงเส้นในการใช้งานซิมเพล็กซ์ และสำหรับการแก้ซิมเพล็กซ์แบบคู่ การใช้ประโยชน์จากมัลติเธรดดิ้ง ประสิทธิภาพของตัวแก้ซิมเพล็กซ์เมื่อเทียบกับซอฟต์แวร์เชิงพาณิชย์และซอฟต์แวร์โอเพนซอร์สอื่นๆ ได้รับการรายงานเป็นประจำโดยใช้เกณฑ์มาตรฐานอุตสาหกรรม^{[ 10 ]}

HiGHS มี การนำ วิธีการจุดภายในมาใช้ในการแก้ปัญหา LP โดยอิงตามเทคนิคที่อธิบายโดย Schork และ Gondzio (2020) ^{[ 11 ]}โดดเด่นตรงที่สามารถแก้ระบบนิวตันแบบวนซ้ำโดยใช้ วิธี การไล่ระดับคอนจูเกตแบบปรับสภาพล่วงหน้าแทนที่จะแก้โดยตรงผ่าน การแยกส่วน LDL*ประสิทธิภาพของตัวแก้จุดภายในเมื่อเทียบกับซอฟต์แวร์เชิงพาณิชย์และซอฟต์แวร์โอเพนซอร์สอื่นๆ ได้รับการรายงานเป็นประจำโดยใช้เกณฑ์มาตรฐานอุตสาหกรรม^{[ 12 ]}

เวอร์ชัน 1.12 ได้มีการนำวิธีการจุดภายในมาใช้ในการแก้ปัญหา LP โดยอิงตามเทคนิคที่อธิบายโดย Zanetti และ Gondzio (2025) ^{[ 13 ]}คุณสมบัติเสริมนี้มีชื่อว่า HiPO และขึ้นอยู่กับไลบรารีBLAS ^{[ 14 ]}

HiGHS มี ตัวแก้ปัญหา แบบ branch-and-cutสำหรับปัญหา MIP ประสิทธิภาพของมันเมื่อเทียบกับซอฟต์แวร์เชิงพาณิชย์และซอฟต์แวร์โอเพนซอร์สอื่นๆ ได้รับการรายงานเป็นประจำโดยใช้เกณฑ์มาตรฐานอุตสาหกรรม^{[ 15 ]}

HiGHS มีตัวแก้ปัญหาเซตแบบแอคทีฟสำหรับปัญหา การเขียนโปรแกรมเชิงควาดราติก แบบนูน (QP)

HiGHS สามารถใช้เป็นไลบรารีแก้ปัญหาแบบสแตนด์อะโลนในแอปพลิเคชันเฉพาะทางได้ แต่สภาพแวดล้อมการคำนวณเชิงตัวเลข แพ็คเกจการเขียนโปรแกรมเพื่อเพิ่มประสิทธิภาพ และโครงการวิเคราะห์เชิงตัวเลขเฉพาะด้านก็เริ่มนำซอฟต์แวร์นี้ไปรวมไว้ในระบบของตนด้วยเช่นกัน

เนื่องจาก HiGHS เป็นซอฟต์แวร์โอเพนซอร์สที่มีประสิทธิภาพและอยู่ระหว่างการพัฒนาอย่างต่อเนื่อง จึงถูกนำไปใช้ในโครงการซอฟต์แวร์แอปพลิเคชันที่ให้การสนับสนุนการวิเคราะห์เชิงตัวเลขมากขึ้นเรื่อยๆตัวอย่างเช่นไลบรารีวิทยาศาสตร์ SciPy ใช้ HiGHS เป็นตัวแก้ปัญหา LP [ ^{16 ] ตั้งแต่}เวอร์ชัน 1.6.0 ^{[ 17 ]}และตัวแก้ปัญหา MIP ของ HiGHS สำหรับการเพิ่มประสิทธิภาพแบบไม่ต่อเนื่องตั้งแต่เวอร์ชัน 1.9.0 ^{[ 18 ]}นอกจากจะมีอินเทอร์เฟซสำหรับ HiGHS แล้ว ภาษาการสร้างแบบจำลอง JuMPสำหรับJulia ^{[ 19 ]}ยังอธิบายการใช้งาน HiGHS โดยเฉพาะในเอกสารประกอบการใช้งานอีกด้วย^{[ 20 ]}ตัวแก้ปัญหา MIP ใน ไลบรารี NAGใช้ HiGHS เป็นพื้นฐาน^{[ 21 ]}และ HiGHS เป็นตัวแก้ปัญหา LP และ MIP เริ่มต้นในMathWorks Optimization Toolbox ^{[ 22 ]} 

ปัจจุบัน HiGHS ยังถูกใช้โดยแอปพลิเคชันเฉพาะโดเมนบางส่วน รวมถึง สภาพแวดล้อม การสร้างแบบจำลองระบบพลังงานแบบเปิด หนึ่ง แห่ง เวอร์ชันบนเว็บของ แบบจำลองหลายภาคส่วนของยุโรป PyPSAใช้ตัวแก้ปัญหา HiGHS เป็นค่าเริ่มต้นตั้งแต่เดือนกุมภาพันธ์ 2022 ^{[ 23 ] [ 24 ]} โครงการ GridCal ซึ่งพัฒนาซอฟต์แวร์ระบบไฟฟ้าที่เน้นการวิจัย ได้เพิ่มการสนับสนุน HiGHS เป็นตัวเลือกในเดือนกุมภาพันธ์ 2022 ^{[ 25 ]} ในช่วงต้นปี 2026 Open Energy Transition ได้ดำเนินการเปรียบเทียบประสิทธิภาพเฉพาะโดเมนบางส่วน^{[ 26 ]}

• รายชื่อซอฟต์แวร์เพิ่มประสิทธิภาพ
• การเพิ่มประสิทธิภาพทางคณิตศาสตร์
• การเปรียบเทียบเชิงตัวเลข
• วิธีซิมเพล็กซ์

• คลังเก็บข้อมูล GitHub
• เอกสารประกอบซอฟต์แวร์