我有一般的非凸函数，具有一般的非凸不等式约束。我有一个可行的起点，我想在限制条件下尽量减少能量。解算器不应该离开可行域（即屏障方法），并且永远不应该增加能量。到目前为止，我使用的fmincon在两个帐户上都失败了，我想要一个简单的方法来尝试其他求解器，如IPOPT，KNITRO和SNOPT。 说到这一点，我不介意建议一个能够完成我正在寻找的特定求解器（不增加并保持在可行区域内）。
我想尝试其他求解器，但我正在寻找在某个包装器上对问题进行建模（例如yalmip和cvx用于凸优化; AMPL怎么样？），这会将其转换为其他求解器（或者只是调用我的函数并将它们的输出转换为每个求解器所需的 - 即我想使用单个接口。 为了在代码方面尽可能灵活，我更愿意为目标和约束函数及其渐变提供回调函数（用Matlab编写），这将返回实际值。当然，如果有一个选项可以使用内部变量来提供像auto-diff这样的东西，而不会影响代码的灵活性，那就太好了（我有一个复杂的代码，并且对一些特殊的变量类型友好会是一个麻烦）。 我没有尝试过，但如果它足够灵活，我不会介意使用.nl文件，虽然我需要一些关于管道的提示来与我的matlab代码接口（运行一些请求解决问题的应用程序）问题 - 即它提供了一个输入并期望来自某些求解器函数的解决方案，如fmincon）。
顺便说一下，我对fmincon（）的问题是，在某些时候它开始增加函数并且可以以更坏的点（更大的目标）结束，并且如果过早终止则会破坏约束（它似乎不是收敛）。答案 0 :(得分：1)
我使用了一些求解器和建模软件包，重点是Matlab。
https://en.wikipedia.org/wiki/Interior_point_method
因此，当我想严格解决我的问题时（为了保持可行域），我定义了自己的f_aggregate（）用日志包装我的约束，并仅使用求解器来绑定变量范围（或者只是使用无约束求解器。）
Yalmip非常方便。您定义NLP问题的方式与使用跟踪操作的sdpvar定义凸问题的方式相同，我假设它创建了一个类似于auto-diff包的模型。缺点：
OptiToolbox更低级别，允许回调，而且它更符合我的要求。但似乎NLP唯一有用的支持解算器是IPOPT。公平地说，其他有趣的解决方案是商业性的。 它还可以使用SCIP编写.gms文件，该文件可以由GAMS执行或由GAMS导出到AMPL。不幸的是，我的具体问题没有正确编写，并且两个软件包在导出的问题上产生了相同的错误结果。
我使用了AMPL（和GAMS看起来相似）。它不是那么直观，问题的表达水平相当低（例如没有规范函数或其他甜味剂），转换我的matlab代码或基于它为AMPL生成问题似乎很痛苦（我自己） 。此外，演示版本将问题限制为有趣求解器的10个变量。
我想尝试一些商业解决方案，比如Knitro和Snopt。它们都有6个月的试用期，但它们仅限于300个变量。我不确定如何在限制为300个变量的大规模问题上测试解算器。 更新：Knitro还有一个完整的月试用版，我可以试试。
Tomlab看起来很有趣。它是一个类似于OptiToolbox的商业软件包，可以与商业解决方案进行交互。我等着他们用许可证回复，但是会限制21天。
我认为有在线服务器，可以尝试商业解算器。但我需要一个出色的出口商（例如）GAMS或AMPL格式。
总而言之，Matlab的fmincon看起来并不那么糟糕。虽然只有内部点可以处理大规模问题，但它似乎至少与IPOPT一样好（当我的目标函数返回Inf拒绝解决方案时，它似乎当前有一个错误）。 由于NLP问题一般都很难，我想我不应该期待像Mosek这样的神奇解算器。
更新：我碰巧尝试了Knitro和Snopt（完整版）。 Knitro的matlab界面非常棒。它与fmincon完全一样，实现了相同算法的稀疏更健壮的版本。 Snopt的fmincon界面很笨重。我不得不修补它以增加雅各比的稀疏性，并且返回的雅各比人被调换，我花了很多时间来抓住它，因为它因为每一个小错误而崩溃了matlab。 就我的问题表现而言，Knitro在我的一个小问题上出人意料地失败了，而且两个解决方案一般都没有比其他解决方案做得更好（运行数小时没有收敛）。
UPDATE2：我尝试下面的Erwin Kalvelagen为每个不等式约束添加一个变量，用等式约束（ineq = new var）替换不等式约束，并绑定var。 fmincon尊重这些界限，但它并不是一个神奇的解决方案而且解算器很早就被卡住了;此外，IPOPT和Knitro并不尊重eq界限并进入不可行区域。