NLopt的windows环境下安装

NLopt官网

c/c++环境配置

需要使用到的工具有cmake和MinGW，具体安装教程请自行搜索，网上有很多

step1 下载所需的安装包

点击v2.6.2.tar.gz下载完成后解压，文件结构如图

step2 打开cmd，进入到解压后的文件夹

输入如下命令，创建build文件夹

mkdir build
cd build

使用cmake编译生成makefile

cmake -G"MinGW Makefiles" ..

编译完成后，得到makefile文件

然后，输入mimgw32-make

step3 管理员身份打开cmd，重新进入到build文件夹下

输入mingw32-make install,可以看到，默认安装到C盘Program Files(x86)文件夹下

进入该文件夹中，发现新增了一个名为nlopt的文件夹，打开

bin\libnlopt.dll，include\nlopt.h，include\nlopt.hpp，lib\libnlopt.dll.a就是c/c++环境下所需要的的文件

step4 测试

将libnlopt.dll，nlopt.h，nlopt.hpp，libnlopt.dll.a放在和测试文件同一文件夹下

测试文件hello.cpp代码（测试代码来自这里）：

#include <stdio.h>
#include <math.h>
#include "nlopt.h"
#define INF (1.0/0.0)

double utility(unsigned n, const double *x, double *grad, void *data){
  grad[0]=1.0/x[0];
  grad[1]=1.0/x[1];
  printf("%f, %f, %f ", x[0],x[1],log(x[0])+log(x[1]));
  return log(x[0])+log(x[1]);
}

double constraint(unsigned n, const double *x, double *grad, void *data){
  double *p=(double *)data;
  grad[0]=*p;
  grad[1]=*(p+1);
  printf("Constraint: %f\n", x[0]*(*p)+x[1]*(*(p+1))-5);
  return x[0]*(*p)+x[1]*(*(p+1))-5;
}

double inconstraint(unsigned n, const double *x, double *grad, void *data){
  grad[0]=1;
  grad[1]=-1;
  return x[0]-x[1];
}

int main(int argc, char const *argv[]) {
  double p[2]={1,2};
  double tol=1e-8;
  double lb[2]={0,0};
  double ub[2]={INF,INF};
  double x[2]={1,1};
  double f_max=-INF;
  // set up optimizer
  nlopt_opt opter=nlopt_create(NLOPT_LD_SLSQP, 2);
  // lower and upper bound
  nlopt_set_lower_bounds(opter, lb);
  nlopt_set_upper_bounds(opter, ub);
  // objective function
  nlopt_set_max_objective(opter, utility, NULL);
  // equality constraint
  nlopt_add_equality_constraint(opter, constraint, p, tol);
  // inequality constraint
  nlopt_add_inequality_constraint(opter, inconstraint, NULL, tol);
  // stopping criterion
  nlopt_set_xtol_rel(opter, tol);
  nlopt_set_ftol_abs(opter, tol);
  nlopt_set_force_stop(opter, tol);
  // optimize
  nlopt_result result=nlopt_optimize(opter, x, &f_max);
  if (result)
    printf("Maximum utility=%f, x=(%f,%f)\n", f_max, x[0], x[1]);
  // free
  nlopt_destroy(opter);
  return 0;
}

命令行输入指令g++ hello.cpp libnlopt.dll -o hello生成可执行文件；
输入./hello执行，结果如下

注：

直接下载上图中的两个文件可以省略前三步，将dll文件链接进GCC可以省略在命令中加入libnlopt.dll文件，具体步骤如下：

进入到mingw文件夹下，按照路径lib\gcc\x86_64-w64-mingw32\8.1.0打开文件夹，然后将文件libnlopt.dll.a粘贴到该目录下，输入命令g++ hello.cpp -lnlopt -o hello，注意，要加-lnlopt

Matlab环境配置

根据上面那段英文的意思，需要将nlopt_optimize.c编译成为可供matlab调用的MEX文件，并将结果放入Matlab路径或工作目录中，还需要将其他.m文件（主要实现常量和文档）放入与MEX文件相同的目录中。

但是，在上面前三步完成后，会生成一个matlab文件夹，这里面包括matlab环境所需要的文件，并且nlopt_optimize.c文件已经编译成了MEX文件，因此，直接将整个文件夹和你的测试程序放入同一路径下即可调用nlopt库。

调用matlab接口需要了解opt结构。 所有的优化参数（维度、算法、终止标准、约束、目标函数等）都是通过给opt结构分配字段来指定的，只需将字段分配给这个结构，然后调用nlopt_optimize(opt)函数来执行优化。每个opt结构都需要通过opt.algorithm =algorithm指定算法。

具体介绍请参考官网Matlab使用

测试

myfunc.m

function [val, gradient] = myfunc(x)
    val = sqrt(x(2));
    if (nargout > 1)
        gradient = [0, 0.5 / val];
    end
end

myconstraint.m

function [val, gradient] = myconstraint(x,a,b)
    val = (a*x(1) + b)^3 - x(2);
    if (nargout > 1)
        gradient = [3*a*(a*x(1) + b)^2, -1];
    end
end

test.m

opt.algorithm = NLOPT_LD_MMA;
opt.lower_bounds = [-inf, 0];
opt.min_objective = @myfunc;
opt.fc = { (@(x) myconstraint(x,2,0)), (@(x) myconstraint(x,-1,1)) };
opt.fc_tol = [1e-8, 1e-8];
opt.xtol_rel = 1e-4;
[xopt, fmin, retcode] = nlopt_optimize(opt, [1.234 5.678]);

测试结果

xopt = 0.3333  0.2963
fmin = 0.5443
retcode = 4

注：测试matlab时，myfunc.m、myconstraint.m、test.m都要，运行test.m