下降

一个带有第一和二阶自动微分/源代码符号微分的非线性约束优化（数学规划）建模库。目前有一个接口到非线性求解器 Ipopt。

依赖项

Ipopt（或Bonmin）必须在尝试构建之前单独安装，因为 descent_ipopt 链接到 libipopt.so 共享库。

仅在 Linux 上进行过测试，但预计在 macOS 上也能正常工作，在适当的环境中可能在 Windows 上也能工作。

要在您的 own crate 中使用，请在您的 own Cargo.toml 文件中添加以下内容

[dependencies]
descent = "0.3"
descent_ipopt = "0.3"
descent_macro = "0.3" # for optional but recommended expr! procedural macro use

示例

以下代码显示了如何解决以下简单问题：在 IPOPT 中最小化 2 y s.t. y >= x * x - x, x in [-10, 10]。

use descent::model::Model;
use descent_ipopt::IpoptModel;

let mut m = IpoptModel::new();

let x = m.add_var(-10.0, 10.0, 0.0);
let y = m.add_var(std::f64::NEG_INFINITY, std::f64::INFINITY, 0.0);
m.set_obj(2.0 * y);
m.add_con(y - x * x + x, 0.0, std::f64::INFINITY);

let (stat, sol) = m.solve();

提供了完整的示例，包含更多详细信息，请参阅 descent_ipopt/examples/simple.rs，可以按如下方式构建和运行

cargo build --release --example simple
./target/release/examples/simple

代码优化很重要，所以在测试代码性能时，请确保开启优化或使用发布构建选项。

建模

支持在数学表达式中使用运算符 +、-、*、.powi(i32)、.sin() 和 .cos()。表达式可以通过运算符重载或过程宏（需要nightly rust）来生成。

#![feature(proc_macro_hygiene)]

use descent::model::Model;
use descent_ipopt::IpoptModel;
use descent_macro::expr;

let mut m = IpoptModel::new();

let x = m.add_var(-10.0, 10.0, 0.0);
let y = m.add_var(std::f64::NEG_INFINITY, std::f64::INFINITY, 0.0);
m.set_obj(expr!(2.0 * y; y));
m.add_con(expr!(y - x * x + x; x, y), 0.0, std::f64::INFINITY);

let (stat, sol) = m.solve();