Descent

一个带有一阶和二阶自动微分/源代码符号微分功能的非线性约束优化（数学规划）建模库。目前有一个接口连接到非线性求解器Ipopt。

依赖项

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

它仅在Linux上进行了测试，但可能在macos上也能正常工作，而且在适当的环境下可能在Windows上也能工作。

要在自己的crate中使用，请将以下内容添加到自己的Cargo.toml文件中

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

示例

以下代码演示了如何使用IPOPT解决以下简单问题：min 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();

有关此内容的完整示例及其详细说明，请参阅descent_ipopt/examples/simple.rs，可以通过以下方式构建和运行

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

代码优化很重要，因此在测试代码性能时，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使用过程宏（需要nightly rust）生成。

通过运算符重载实现自动微分

可以使用运算符重载动态地生成具有最大灵活性的表达式。这是上述示例中采用的方法。

通过过程宏进行源代码转换

如果nightly rust可用，则可以使用过程宏“静态”生成用于评估表达式及其一阶和二阶导数的函数。这比动态运算符重载和AD方法提供了巨大的性能提升。使用过程宏表达式生成方法的上述示例如下所示

#![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();

更完整的示例可以在 descent_ipopt/examples/problem_macro.rs 中找到。

参数化

该库允许对值进行参数化，并简化求解器的预热启动，以便快速调整模型和解决问题。

待办事项

• 清理匆忙编写的过程宏。
• 与ipopt-sys crate集成，可能还会与ipopt crate集成，而不是使用/维护自己的绑定。
• Bonmin绑定（启用MINLP）。

许可证

Apache-2.0或MIT