README

   1 This is a (partial) reimplementation of latte
   2 (http://www.math.ucdavis.edu/~latte/)
   3 using polylib (http://icps.u-strasbg.fr/polylib/ or
   4 http://www.kotnet.org/~skimo/polylib/).
   5
   6 Next to polylib, it uses NTL (http://shoup.net/ntl/)
   7 Mac users may want to apply NTL_5_3_2.patch
   8
   9 Optionally, PIP (http://www.prism.uvsq.fr/~cedb/bastools/piplib.html)
  10 can be used during enumeration of integer projections.
  11
  12 Both NTL and polylib need to have been compiled with gmp
  13 support.
  14 For NTL this means you have to specify
  15     NTL_GMP_LIP=on
  16
  17 Suppose you want to put everyting in /opt,
  18 Then you configure/compile polylib using
  19
  20 ./configure --with-libgmp=/path/to/gmp --prefix=/opt
  21 make
  22 make install
  23
  24 For NTL,
  25
  26 cd src
  27 ./configure NTL_GMP_LIP=on PREFIX=/opt GMP_PREFIX=/path/to/gmp
  28 make
  29 make install
  30
  31 Configure this library using
  32
  33 ./configure --prefix=/opt --with-polylib=/opt --with-ntl=/opt
  34
  35 or
  36
  37 ./configure --prefix=/opt --with-polylib=/opt --with-ntl=/opt --enable-fractional
  38
  39 Then
  40
  41 make
  42 make check
  43 make install
  44
  45 If you want to put any one of these packages in the default location
  46 (typically /usr/local), then the prefix argument can be omitted.
  47 For more information on other arguments,
  48
  49 ./configure --help
  50
  51 Please use a version of the PolyLib library that is not
  52 older than August 13th 2004.
  53
  54 The input format of barvinok_enumerate is the same as that
  55 of testehrhart from the PolyLib distribution.
  56 See the PolyLib manual, barvinok_enumerate.c or the
  57 examples in tests/ehrhart/ .
  58
  59 Note that the fractional representation is subject to change.
  60
  61 The library supports three specialization algorithms.
  62 The first performs a direct specialization using a random vector.
  63 The second performs a "depth-first" incremental specialization.
  64 The third performs a "breadth-first" incremental specialization.
  65
  66 The first is usually the fastest, but can fail if the random
  67 vector happens to be chosen incorrectly.
  68 The incremental algorithms should never fail, but can be slower,
  69 in some cases by quite a bit.  The breadth-first version should
  70 be faster than the depth-first version, especially on polytopes
  71 of moderate dimension with a lot of "structure", but can require
  72 more memory.
  73
  74 Sven Verdoolaege <skimo@kotnet.org>