OSQP文档学习

最新推荐文章于 2024-09-04 07:20:37 发布
最新推荐文章于 2024-09-04 07:20:37 发布
阅读量2.3k 收藏 31
点赞数 28
分类专栏： 决策规划控制 数值优化 文章标签： osqp c 数值优化求解器
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/BigDavid123/article/details/136170184
版权

OSQP官方文档

1 QSQP简介

OSQP求解形式为的凸二次规划：
在这里插入图片描述
x ∈ R n x∈R^n x∈Rn：优化变量
P ∈ S + n P∈S^n_+ P∈S+n​：半正定矩阵

特征
（1）高效：使用了一种自定义的基于ADMM的一阶方法，只需要在设置阶段进行单个矩阵分解。
（2）鲁棒：该算法设置之后不需要对问题数据进行假设（问题只需要是凸的）。
（3）原始/对偶不可行问题：当问题是原始或对偶不可行时，OSQP会检测到它。这是第一个基于一阶方法的QP求解器。
（4）可嵌入：有一个简单的接口来生成定制的可嵌入C代码，而不需要内存管理器。
（5）不需要外部库即可运行
（6）可以很容易地进行热启动，并且可以缓存矩阵分解，以非常有效地解决参数化问题
（7）接口：提供了到C、C++、Fortran、Julia、Matlab、Python、R、Ruby和Rust的接口

2 OSQP求解器

在这里插入图片描述
求解器运行以下ADMM算法：
在这里插入图片描述
Π \Pi Π：投影到超盒上 [ l , u ] [l,u] [l,u]， ρ \rho ρ是ADMM步长
Linear system solution
线性系统解是算法的核心部分。它可以使用直接或间接的方法来完成。
使用直接线性系统求解器，我们求解以下具有拟定矩阵的线性系统：
在这里插入图片描述
使用间接线性系统求解器，我们求解以下具有正定矩阵的线性系统：
在这里插入图片描述
OSQP核心旨在支持不同的线性系统求解器。

Convergence
在每k次迭代时，OSQP生成一个元组 ( x k , z k , y k ) (x^k,z^k,y^k) (xk,zk,yk)，
x k ∈ R n , z k 、 y k ∈ R m x^k∈R^n,z^k、y^k∈R^m xk∈Rn,zk、yk∈Rm
与 ( x k , z k , y k ) (x^k,z^k,y^k) (xk,zk,yk)相关的原始残差和对偶残差：
在这里插入图片描述
在这里插入图片描述
#pic
不可行问题
OSQP能够检测问题是原始不可行还是对偶不可行。
在这里插入图片描述

3 Get started

安装：
Linux操作系统，默认gcc,cmake已经安装好
① 克隆存储库

git clone https://github.com/osqp/osqp

② 创建目录和更改目录build

cd osqp
mkdir build
cd build

③ 创建 Makefile

cmake -G "Unix Makefiles" ..

④ 编译 OSQP

cmake --build .

C语言：
在 CMake 项目中包括 OSQP，具体取决于您需要共享库还是静态库：

# Find OSQP library and headers
find_package(osqp REQUIRED)

# Link the OSQP shared library
target_link_libraries(yourTarget PRIVATE osqp::osqp)

# or...

# Link the OSQP static library
target_link_libraries(yourTarget PRIVATE osqp::osqpstatic)

4 接口

OSQP有几个接口。以下链接中显示了有关设置、状态值以及如何指定不同线性系统解算器的信息
Solver settings
Linear Systems Solvers
Status values

在这里插入图片描述
在这里插入图片描述
C：github.com/osqp/osqp
C++：github.com/robotology/osqp-eigen

5 Examples

Demo:
① Setup and solve ：设置和求解
在这里插入图片描述
C:

#include <stdlib.h>
#include "osqp.h"

int main(int argc, char **argv) {
    /* Load problem data */
    OSQPFloat P_x[3] = {4.0, 1.0, 2.0, };
    OSQPInt P_nnz = 3;
    OSQPInt P_i[3] = {0, 0, 1, };
    OSQPInt P_p[3] = {0, 1, 3, };
    OSQPFloat q[2] = {1.0, 1.0, };
    OSQPFloat A_x[4] = {1.0, 1.0, 1.0, 1.0, };
    OSQPInt A_nnz = 4;
    OSQPInt A_i[4] = {0, 1, 0, 2, };
    OSQPInt A_p[3] = {0, 2, 4, };
    OSQPFloat l[3] = {1.0, 0.0, 0.0, };
    OSQPFloat u[3] = {1.0, 0.7, 0.7, };
    OSQPInt n = 2;
    OSQPInt m = 3;

    /* Exitflag */
    OSQPInt exitflag = 0;

    /* Solver, settings, matrices */
    OSQPSolver   *solver;
    OSQPSettings *settings;
    OSQPCscMatrix* P = malloc(sizeof(OSQPCscMatrix));
    OSQPCscMatrix* A = malloc(sizeof(OSQPCscMatrix));

    /* Populate matrices */
    csc_set_data(A, m, n, A_nnz, A_x, A_i, A_p);
    csc_set_data(P, n, n, P_nnz, P_x, P_i, P_p);

    /* Set default settings */
    settings = (OSQPSettings *)malloc(sizeof(OSQPSettings));
    if (settings) {
        osqp_set_default_settings(settings);
        settings->alpha = 1.0; /* Change alpha parameter */
    }

    /* Setup solver */
    exitflag = osqp_setup(&solver, P, q, A, l, u, m, n, settings);

    /* Solve problem */
    if (!exitflag) exitflag = osqp_solve(solver);

    /* Cleanup */
    osqp_cleanup(solver);
    if (A) free(A);
    if (P) free(P);
    if (settings) free(settings);

    return (int)exitflag;
};

② Update vectors：更新向量
在这里插入图片描述

#include <stdlib.h>
#include "osqp.h"

int main(int argc, char **argv) {
    /* Load problem data */
    OSQPFloat P_x[3] = {4.0, 1.0, 2.0, };
    OSQPInt P_nnz = 3;
    OSQPInt P_i[3] = {0, 0, 1, };
    OSQPInt P_p[3] = {0, 1, 3, };
    OSQPFloat q[2] = {1.0, 1.0, };
    OSQPFloat q_new[2] = {2.0, 3.0, };
    OSQPFloat A_x[4] = {1.0, 1.0, 1.0, 1.0, };
    OSQPInt A_nnz = 4;
    OSQPInt A_i[4] = {0, 1, 0, 2, };
    OSQPInt A_p[3] = {0, 2, 4, };
    OSQPFloat l[3] = {1.0, 0.0, 0.0, };
    OSQPFloat l_new[3] = {2.0, -1.0, -1.0, };
    OSQPFloat u[3] = {1.0, 0.7, 0.7, };
    OSQPFloat u_new[3] = {2.0, 2.5, 2.5, };
    OSQPInt n = 2;
    OSQPInt m = 3;

    /* Exitflag */
    OSQPInt exitflag = 0;

    /* Solver, settings, matrices */
    OSQPSolver   *solver;
    OSQPSettings *settings;
    OSQPCscMatrix* P = malloc(sizeof(OSQPCscMatrix));
    OSQPCscMatrix* A = malloc(sizeof(OSQPCscMatrix));

    /* Populate matrices */
    csc_set_data(A, m, n, A_nnz, A_x, A_i, A_p);
    csc_set_data(P, n, n, P_nnz, P_x, P_i, P_p);

    /* Set default settings */
    settings = (OSQPSettings *)malloc(sizeof(OSQPSettings));
    if (settings) osqp_set_default_settings(settings);

    /* Setup solver */
    exitflag = osqp_setup(&solver, P, q, A, l, u, m, n, settings);

    /* Solve problem */
    if (!exitflag) exitflag = osqp_solve(solver);

    /* Update problem */
    if (!exitflag) exitflag = osqp_update_data_vec(solver, q_new, l_new, u_new);

    /* Solve updated problem */
    if (!exitflag) exitflag = osqp_solve(work);

    /* Cleanup */
    osqp_cleanup(solver);
    if (A) free(A);
    if (P) free(P);
    if (settings) free(settings);

    return (int)exitflag;
};

③ Update matrices：更新矩阵P和A
在这里插入图片描述

#include <stdlib.h>
#include "osqp.h"

int main(int argc, char **argv) {
    /* Load problem data */
    OSQPFloat P_x[3] = {4.0, 1.0, 2.0, };
    OSQPFloat P_x_new[3] = {5.0, 1.5, 1.0, };
    OSQPInt P_nnz = 3;
    OSQPInt P_i[3] = {0, 0, 1, };
    OSQPInt P_p[3] = {0, 1, 3, };
    OSQPFloat q[2] = {1.0, 1.0, };
    OSQPFloat q_new[2] = {2.0, 3.0, };
    OSQPFloat A_x[4] = {1.0, 1.0, 1.0, 1.0, };
    OSQPFloat A_x_new[4] = {1.2, 1.5, 1.1, 0.8, };
    OSQPInt A_nnz = 4;
    OSQPInt A_i[4] = {0, 1, 0, 2, };
    OSQPInt A_p[3] = {0, 2, 4, };
    OSQPFloat l[3] = {1.0, 0.0, 0.0, };
    OSQPFloat l_new[3] = {2.0, -1.0, -1.0, };
    OSQPFloat u[3] = {1.0, 0.7, 0.7, };
    OSQPFloat u_new[3] = {2.0, 2.5, 2.5, };
    OSQPInt n = 2;
    OSQPInt m = 3;

    /* Exitflag */
    OSQPInt exitflag = 0;

    /* Solver, settings, matrices */
    OSQPSolver   *solver;
    OSQPSettings *settings;
    OSQPCscMatrix* P = malloc(sizeof(OSQPCscMatrix));
    OSQPCscMatrix* A = malloc(sizeof(OSQPCscMatrix));

    /* Populate matrices */
    csc_set_data(A, m, n, A_nnz, A_x, A_i, A_p);
    csc_set_data(P, n, n, P_nnz, P_x, P_i, P_p);

    /* Set default settings */
    settings = (OSQPSettings *)malloc(sizeof(OSQPSettings));
    if (settings) osqp_set_default_settings(settings);

    /* Setup solver */
    exitflag = osqp_setup(&solver, P, q, A, l, u, m, n, settings);

    /* Solve problem */
    if (!exitflag) exitflag = osqp_solve(solver);

    /*  Update problem
        NB: Update only upper triangular part of P
     */
    if (!exitflag) exitflag = osqp_update_data_mat(solver,
                                                   P_x_new, OSQP_NULL, 3,
                                                   A_x_new, OSQP_NULL, 4);

    /* Solve updated problem */
    if (!exitflag) exitflag = osqp_solve(work);

    /* Cleanup */
    osqp_cleanup(solver);
    if (A) free(A);
    if (P) free(P);
    if (settings) free(settings);

    return (int)exitflag;
};

应用：
① Huber fitting
② Lasso
③ Least-squares：最小二乘法
④ Model predictive control (MPC)
我们考虑将线性时不变动力系统控制到某个参考状态的问题。 为了实现这一点，我们使用约束线性二次 MPC，它在每个时间步长求解以下有限视界最优控制问题 x r ∈ R n x x_r∈R^{n_x} xr​∈Rnx​
在这里插入图片描述

⑤ Portfolio optimization
⑥ Support vector machine (SVM)：支持向量机

Big David
关注
专栏目录
OSQP 求解器教程
weixin_46300916的博客
09-28 1028
OSQP 求解器文档[请访问我们的 GitHub 讨论页面 (https://github.com/orgs/osqp/discussions)，了解与求解器相关的任何问题！OSQP（运算符分割二次方程式程序）求解器是一个数值优化软件包，用于求解形式如下的凸二次规划其中 x 为优化变量，x 为半正定矩阵。半正定矩阵，是正定矩阵的推广。实对称矩阵A称为半正定的，如果二次型X'AX半正定，即对于任意不为0的实列向量X，都有X'AX≥0.代码可在 GitHub 上获取。
OSQP二次编程求解器的C ++接口。-C/C++开发
05-27
OSQP二次编程求解器的C ++接口。 osqp-cpp：OSQP的C ++包装器OSQP的C ++包装器，一种基于ADMM的二次编程求解器。 与OSQP的本机C接口相比，该包装器使用本征稀疏矩阵提供了更方便的输入格式，并处理了OSQPWorkspace结构的生存期。 该软件包具有与osqp-eigen类似的功能。 完整的API在osqp ++。h中内联记录。 在本自述文件中，我们仅描述输入格式。 注意：OSQP使用比其他类似求解器更宽松的默认公差
OSQP求解凸优化问题的步骤及实例
肥嘟嘟的左卫门
01-11 3854
OSQP是一种求解QP问题的数值优化软件，以下简单介绍OSQP软件的使用方法 一、 概述 首先是凸优化问题的定义以及两种典型的特例（线性规划与二次规划），如下图所示。 这里不介绍QP问题的拓展形式如SOCP等 OSQP软件的核心是ADMM算法 Ø交替方向乘子法（Alternating Direction Method of Multipliers，ADMM）是一种求解优化问题的计算框架, 适用于求解分布式凸优化问题 如果仅仅是简单的使用，不需要了解ADMM算法，但是如果调试OSQP软件的参数，就需要深入
OSQP Python接口使用教程
最新发布
gitblog_00328的博客
09-04 418
OSQP Python接口使用教程 osqp-pythonPython interface for OSQP项目地址:https://gitcode.com/gh_mirrors/os/osqp-python 1、项目介绍 OSQP（Operator Splitting Quadratic Program）是一个用于解决二次规划（Quadratic Programming, QP）问题的数值优化...
LQR、MPC以及osqp库
抗魔斗篷
12-13 3579
最优控制是指在给定的约束条件下，寻求一个控制，使给定的系统性能指标达到极大值(或极小值)。
osqp的原理ADMM（交替方向乘子法）理解
hm__2016的博客
10-31 1826
考虑以下问题：其对应的增强拉格朗日函数（augmented Lagrangian）为：重点来了，交替求解原始变量x1,x2x_{1},x{2}x1​,x2和对偶变量ν\nuν.要注意的是对偶变量要在原始变量更新后更新。
OSQP 开源项目教程
gitblog_00055的博客
08-12 447
OSQP 开源项目教程 osqp项目地址:https://gitcode.com/gh_mirrors/osq/osqp 项目介绍 OSQP（Operator Splitting Quadratic Program）是一个用于解决二次规划（QP）问题的数值优化包。它基于ADMM（Alternating Direction Method of Multipliers）算法，并利用自定义的稀疏线性代...
osqp, 算子分解QP解算.zip
09-17
osqp, 算子分解QP解算 分解QP求解器加入我们的论坛 任何与规划求解有关的问题！以英镑为单位的文档可以在英镑 osqp.orgOSQP ( 算子分裂二次程序) 求解器是一个数值优化包，用于解决表单中的问题minimize 0.5 x' P x q
推荐使用：OSQP — 高效的二次规划求解器
gitblog_00049的博客
05-13 913
推荐使用：OSQP — 高效的二次规划求解器 osqpThe Operator Splitting QP Solver项目地址:https://gitcode.com/gh_mirrors/os/osqp OSQP（Operator Splitting Quadratic Program）是一个针对二次规划问题的强大且高效的数值优化包。其设计旨在解决形式为最小化线性目标函数和二次惩罚项的约束优化...
OSQP 开源项目使用教程
gitblog_01008的博客
08-12 328
OSQP 开源项目使用教程 osqp项目地址:https://gitcode.com/gh_mirrors/osq/osqp 项目的目录结构及介绍 OSQP（Operator Splitting Quadratic Program）是一个用于解决二次规划问题的数值优化包。以下是OSQP项目的目录结构及其介绍： osqp/ ├── cmake/ │ ├── FindCUDA.cmake │ ...
win系统osqp工具箱使用教程
weixin_43146488的博客
09-11 3568
OSQP工具箱win下编译 最近需要使用osqp求解器来求解QP问题，本意是在windows下的VS 2017调用osqp。从https://osqp.org/docs/get_started/官方网站中也有相应的教程。下文将展示一些细节，帮助初学者实现求解器的使用。 安装编译器并下载源码 从上面的链接可以进入osqp官网，根据不同的需求，可以分别查看linux和Mac教程。我这边只详细介绍wi...
osqp.org:OSQP 求解器网站
05-29
OSQP 求解器网站 使用和构建。 去做
osqp：osqp 0.6.0分支
02-13
运营商拆分QP解算器 您有任何与求解器有关的问题，请！ 该文档位于 OSQP（算子拆分二次程序）求解器是一个数值优化程序包，用于解决以下形式的问题： minimize 0.5 x' P x + q' x subject to l <= A x <= u 其中x in R^n中的x in R^n是优化变量。 目标函数由P in S^n_+的正半定矩阵P in S^n_+和q in R^n向量q in R^n 。 线性约束由A in R^{mxn}的矩阵A in R^{mxn}和l in R^m U {-inf}^m向量l in R^m U {-inf}^m u in R^m U {+inf}^m 。 最新版本是0.6.0 。 引用OSQP 如果您在工作中使用OSQP，我们建议您 ， 在此存储库上放一个星号。 我们期待听到您在OSQP上的成功案例！ 请。
osqp的库，大家需要的自取，后续会上传相关使用方法的源码
05-08
4. **文档**：关于如何安装、配置和使用OSQP的详细说明。 5. **测试**：包含测试用例，确保库的正确性。 在未来，作者计划上传相关的源码示例，这将帮助用户更好地理解和使用OSQP库。这些示例可能会涵盖基本的求解...
Matlab interface for OSQP.zip
07-19
在"osqp-matlab-master"目录中，我们很可能会找到实现上述功能的源代码、示例脚本和相关文档。开发者通常会提供详细的使用指南，指导用户如何安装和使用这个接口。新建文件夹可能包含的是测试案例或者附加的工具，以...
Python库 | osqp-0.4.1-cp37-cp37m-manylinux1_x86_64.whl
03-22
标题中的"Python库 | osqp-0.4.1-cp37-cp37m-...osqp提供了丰富的文档和示例代码来帮助用户快速上手。此外，osqp还与其他Python科学计算库如NumPy、SciPy和Pandas等兼容，可以在这些库的数据结构上直接构建优化模型。
【C++】开源：Ipopt、OSQP、osqp-eigen、casadi常用求解器配置使用
DevFrank的博客
04-04 2924
【C++】开源：Ipopt、OSQP、osqp-eigen、casadi常用求解器配置使用
C++矩阵处理库 Eigen 2017最新源码
11-28
对于开发者而言，Eigen库的API简洁明了，文档详尽，学习曲线相对平缓，是进行C++线性代数编程的理想选择。 总的来说，Eigen库2017年的版本"eigen-eigen-5a0156e40feb"是一个功能强大、性能优秀的矩阵处理库，无论你...
一阶通用QP求解器：OSQP
weixin_42825609的博客
06-29 7497
软件主页：https://osqp.org/进入OSQP主页请点击“阅读原文” ...
osqp apollo
07-31
OSQP是一个开源的凸优化求解器，它具有高效和稳定的特性，适用于 Apollo自动驾驶平台的优化问题求解。 Apollo是一个开源的自动驾驶平台，它旨在提供一个全面的解决方案，包括感知、规划、控制和仿真等模块。在自动驾驶中，优化问题的求解是非常重要的一环，这就需要一个高效且可靠的优化求解器。 OSQP作为一个开源的凸优化求解器，它能够有效地解决各种凸优化问题。针对Apollo在自动驾驶中的优化问题，OSQP可以提供快速而稳定的求解能力。通过使用OSQP作为优化求解器，Apollo能够更加高效地解决路线规划、车道保持、障碍物避让等问题。 OSQP的特点包括高效的求解速度、小内存占用和可扩展性。这意味着在Apollo自动驾驶平台中，OSQP可以快速地求解复杂的优化问题，并且具有较小的内存需求。此外，OSQP还支持一些高级功能，如矩阵处理和变量界限设置等，这对于自动驾驶中的优化问题求解非常有帮助。 综上所述，OSQP作为一个高效而稳定的凸优化求解器，适用于Apollo自动驾驶平台的优化问题求解。它可以提供快速而可靠的求解能力，帮助Apollo实现更高水平的自动驾驶功能。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值