我有一个 C++ 程序/模型，在某些部分已经使用 IPOPT（使用 ADOL-C 和 ColPack）来解决一些相当大的非线性问题。
现在在程序的另一部分，我需要解决大量（数万）个小二次问题。
如果您认为再次使用 IPOPT 应该更有效，我想听听您的建议，它对于大型通用非线性问题非常有用，但初始化似乎需要太多时间，或者如果您认为它应该更好使用专门的二次规划求解器，该求解器对小问题特别快（在这种情况下，名称将不胜感激）。
为了完整起见，我的二次问题是：
min: sum_i sum_j a_i,j x_i x_j
sub
sum_i x_i = 1
x_i >= 0
sum_i x_i b_i = c
和i=j ~ 10
问题是独立的。
如果您的问题很小，您可以尝试使用密集数据结构的简单求解器并使用堆栈分配（旧的 Fortran 代码）。IPOPT 使用稀疏数据结构，实际上，如果您的问题很小，初始化 IPOPT需要相对较长的时间。如果您遇到小问题，具有堆栈分配的旧 Fortran 代码速度非常快。
如果许可证对您来说不是问题，您可以查看Harwell Subroutine Library。我相信VEO2 最小化二次函数，线性约束可能对你有好处。
另一个吸引人的选项是 MNHL 子例程：一般优化，需要来自PORT3的梯度和 Hessian 线性约束。
连接 C++ 和 Fortran 代码既痛苦又无聊，但实际上并不是一门火箭科学。我相信这些旧的 Fortran 代码对于您的应用程序来说可能足够快。（从喜欢 C++ 的人那里得到它。）
如果性能是一个问题，我不会在您的二次程序上使用自动微分。相反，我会手动编写衍生代码。
我问：你的申请是什么？你怎么得到这么多小的二次程序？
OSQP似乎是一个不错的选择。
它的：
然后可以使用您的 C++ 项目编译生成的 C 代码以获得非常好的性能。