为 anaconda python 安装 Ipopt

Question

有人在 Anaconda python 上安装过 Ipopt 吗？ 我下载了 3.6.1 版本。 此外，我按照自述文件中的说明下载了请求的 intel Fortran 库。

通过使用configure make和make install以及链接到它的所有依赖项，安装应该是直接的。 我希望我能自己解决这个问题。

如果我想在 anaconda 中使用 Ipopt，我还需要考虑什么？ 特别是我想构建包含 Ipopt 的 Pygmo。

或者安装 pyopt 或 Casadi 就足够了吗？

Answer 1

我已经通过 anaconda 云在 anaconda 环境中安装了 ipopt； anaconda 云上的 ipopt 可在https://anaconda.org/conda-forge/ipopt上找到。

要在 anaconda 环境中安装 ipopt，您只需要打开 anaconda 终端，激活您希望安装 ipopt 的环境，然后键入：“conda install -c conda-forge ipopt”，然后像安装其他设备一样正常进行包。

Answer 2

我对 Casadi 不是特别熟悉，但优化界面的选择很大程度上取决于您希望如何处理您的问题。 例如，对于一个简单的优化问题，您可以使用 scipy.minimize。

原则上，两者（参考 pyOpt 和 PyGMO）都为您提供了不同的功能集。 例如，PyGMO 具有其他功能，例如 Dr. PyGMO 和使用广义岛屿模型的可能性。 在您的特定情况下，您必须自行决定最适合您的方式。

如果您正在执行的任务明确需要使用 Ipopt，那么 PyGMO、pyOpt 或其他接口的配置应该是您喜欢的任何内容的次要项目。

Answer 3

如果您不想在任何运行 Python 的平台（Windows、MacOS、Linux、ARM Linux - Raspberry Pi）上编译求解器而感到头疼，IPOPT 与 Gekko 一起提供。 这是一个简单的例子：

pip install gekko

用 IPOPT 解决 HS71

from gekko import GEKKO    
import numpy as np
m = GEKKO()
x = m.Array(m.Var,4,value=1,lb=1,ub=5)
x1,x2,x3,x4 = x
# change initial values
x2.value = 5; x3.value = 5
m.Equation(x1*x2*x3*x4>=25)
m.Equation(x1**2+x2**2+x3**2+x4**2==40)
m.Minimize(x1*x4*(x1+x2+x3)+x3)
m.solve()
print('x: ', x)
print('Objective: ',m.options.OBJFCNVAL)

IPOPT 的结果

******************************************************************************
This program contains Ipopt, a library for large-scale nonlinear optimization.
 Ipopt is released as open source code under the Eclipse Public License (EPL).
         For more information visit http://projects.coin-or.org/Ipopt
******************************************************************************

This is Ipopt version 3.12.10, running with linear solver ma57.

Number of nonzeros in equality constraint Jacobian...:        9
Number of nonzeros in inequality constraint Jacobian.:        0
Number of nonzeros in Lagrangian Hessian.............:       10

Total number of variables............................:        5
                     variables with only lower bounds:        1
                variables with lower and upper bounds:        4
                     variables with only upper bounds:        0
Total number of equality constraints.................:        2
Total number of inequality constraints...............:        0
        inequality constraints with only lower bounds:        0
   inequality constraints with lower and upper bounds:        0
        inequality constraints with only upper bounds:        0

iter    objective    inf_pr   inf_du lg(mu)  ||d||  lg(rg) alpha_du alpha_pr  ls
   0  1.6109693e+01 1.12e+01 2.50e+00   0.0 0.00e+00    -  0.00e+00 0.00e+00   0
   1  1.6905655e+01 7.44e-01 5.14e-01  -0.9 1.36e-01    -  1.00e+00 1.00e+00f  1
   2  1.7136202e+01 1.71e-01 4.57e-01  -1.0 9.40e-02    -  8.95e-01 1.00e+00h  1
   3  1.6956645e+01 1.57e-01 7.85e-02  -2.0 1.78e-01    -  9.95e-01 1.00e+00h  1
   4  1.7009269e+01 1.63e-02 1.20e-02  -2.8 3.94e-02    -  9.94e-01 1.00e+00h  1
   5  1.7013888e+01 4.04e-04 1.76e-04  -4.6 6.22e-03    -  1.00e+00 1.00e+00h  1
   6  1.7014017e+01 3.92e-07 6.03e-07 -10.4 1.46e-04    -  9.99e-01 1.00e+00h  1

Number of Iterations....: 6

                                   (scaled)                 (unscaled)
Objective...............:   1.7014017127073458e+01    1.7014017127073458e+01
Dual infeasibility......:   6.0264909533529361e-07    6.0264909533529361e-07
Constraint violation....:   3.9234873865091858e-07    3.9234873865091858e-07
Complementarity.........:   7.2865190881096349e-08    7.2865190881096349e-08
Overall NLP error.......:   6.0264909533529361e-07    6.0264909533529361e-07


Number of objective function evaluations             = 7
Number of objective gradient evaluations             = 7
Number of equality constraint evaluations            = 7
Number of inequality constraint evaluations          = 0
Number of equality constraint Jacobian evaluations   = 7
Number of inequality constraint Jacobian evaluations = 0
Number of Lagrangian Hessian evaluations             = 6
Total CPU secs in IPOPT (w/o function evaluations)   =      0.003
Total CPU secs in NLP function evaluations           =      0.000

EXIT: Optimal Solution Found.
 
 The solution was found.
 
 The final value of the objective function is    17.0140171270735     
 
 ---------------------------------------------------
 Solver         :  IPOPT (v3.12)
 Solution time  :   9.299999990616925E-003 sec
 Objective      :    17.0140171270735     
 Successful solution
 ---------------------------------------------------
 
x:  [[1.000000057] [4.74299963] [3.8211500283] [1.3794081795]]
Objective:  17.014017127

默认是使用具有更强大的线性求解器的云计算服务。 本地选项可用于 Windows 上的 IPOPT，但使用 MUMPS 线性求解器作为免费分发选项之一。