我需要解决一个二次规划的优化问题。优化变量的数量约为 16,000。约束包括等式约束和不等式约束。

我以前没有这样的实践经验。在阅读了一些资料后，problelm有三种选择：

 active set method,     
 interior point method
 augmented Lagrangian method

我需要自己实现优化算法。

活动集方法不适合这样的问题规模。
内点法快速但难以从链接实现：
rank-deficient NNLS
一阶方法（Augmented Lagrangian、ADMM、split Bregman 等）这些可以自己实现，无需使用打包库。
所以增强拉格朗日方法将是我的选择。我的分析呢？我发现的大多数材料都是关于具有等式约束的增强拉格朗日方法。您能否推荐有关具有不等式约束的增强拉格朗日方法的任何链接或材料？