Я шукаю пакет, який допоможе мені вирішити деякі проблеми квадратичної оптимізації, і я бачу, що є щонайменше півдесятка різних пакетів. Відповідно до цієї сторінки:

QP (Квадратичне програмування, 90C20): cplexAPI , kernlab , limSolve , LowRankQP , quadprog , Rcplex , Rmosek

Деякі з них (Rmosek і cplexAPI) залежать від інших патентованих пакетів, тому мене вони не цікавлять.

Які помітні відмінності між іншими пакетами QP?

• Cplex (cplexAPI, Rcplex): не є відкритим кодом (але існує щорічна безкоштовна академічна ліцензія). Він підтримує розріджені матриці. Я був моєю обгорткою для QP, коли я ним користувався. Майте на увазі, що академічна ліцензія не дозволяє використовувати її на багатьох ядрах (скажімо через mclapply()).
• ipop (той, у kernlab) реалізований у чистому Р. Це робить зайвим повільним у великих програмах. Не підтримує розріджені матриці.
• limSolve не вирішує повноцінні QP, лише ті, де обмеження мають рівність типів. Не всі проблеми QP можуть бути вирішені таким чином, але коли це можливо, вони мають чітке рішення. Не підтримує розріджені матриці.
• LowRankQP: цей мій досвід є хорошим (швидкий порівняно з іншими з відкритим кодом). Не підтримує розріджені матриці.
• quadprog: реалізація базового рівня вирішувача Goldfarb & Idnani Dual і Primal-Dual. Не підтримує рідкісні матриці, але тихо швидко для проблем з помірними розмірами.
• Рмосек: ніколи не пробував.

Редагувати.

Оскільки я написав цю відповідь, новий пакет ipoptr тепер доступний на R-forge. Цей пост R-блогера порівнює його продуктивність у чистому QP з чотирипрогірним. Коротше кажучи, ipoptr підтримує рідкісні матричні матриці і, як правило, набагато швидше, ніж чотирипроцесовий, коли матриці дизайну рідкі. Однак, коли дизайнерські матриці щільні, чотирипрог все ще виявляється значно швидшим.