NVIDIA/cuopt-examples

NVIDIA cuOpt examples for decision optimization

解決的問題

提供使用 NVIDIA cuOpt 解決複雜決策最佳化問題的實用實作與示範。特別針對利用 GPU 加速求解混合整數規劃、線性規劃以及車輛路徑問題的最優解這一挑戰。

運作方式

此程式庫作為一系列範例與筆記本的集合，透過服務 API、SDK 以及與其他開源最佳化套件的整合來與 cuOpt 引擎互動。使用者可使用針對不同 CUDA 版本量身打造的 Docker 影像來部署環境，在 Jupyter Notebook 中執行這些最佳化工作流程。

適用對象

需要使用 NVIDIA GPU 高效解決大規模最佳化問題的物流、供應鏈與工業自動化領域的開發人員與研究人員。

主要特色

  • 混合整數規劃與線性規劃的 GPU 加速求解
  • 對車輛路徑問題的專用支援
  • 包含使用帶時間窗的容量限制取送貨問題（CPDPTW）模型，優化工廠內自主移動機器人（AMR）路徑的具體範例
  • 提供即開即用的 Docker 容器，便於快速設定

相關

  • 專案
    NVIDIA/cuopt

    近即時解決大規模線性、二次與車輛路徑問題的 GPU 加速優化引擎。

  • 專案
    NVIDIA-AI-Blueprints/portfolio-optimization

    一個利用 NVIDIA cuOpt 與 RAPIDS cuML 加速情境生成與 Mean-CVaR 風險建模的 GPU 加速投資組合最佳化框架。

  • 專案
    NVIDIA/Model-Optimizer

    NVIDIA Model Optimizer (ModelOpt) 是一個開源 Python 庫，可對 Hugging Face、PyTorch 或 ONNX 模型應用量化、剪枝、NAS、蒸餾、推測解碼與稀疏性，並導出為可在 NVIDIA 執行時（如 TensorRT‑LLM、vLLM、SGLang）中實現快速推論的模型。

  • 專案
    NVIDIA/CUDALibrarySamples

    A collection of GPU-accelerated examples demonstrating the use of NVIDIA CUDA libraries for high-performance math, image processing, and linear algebra.

  • 專案
    neka-nat/cupoch

    用於機器人領域快速 3D 數據處理的 GPU 加速庫，提供高效率點群演算法、碰撞避免與路徑規劃。