SNOPT：一种用于大规模约束优化的SQP算法

序列二次规划（SQP）方法已被证明对于求解目标和约束中具有光滑非线性函数的约束优化问题非常有效。这里我们考虑一般不等式约束（线性和非线性）的问题。我们假设一阶导数可用，并且约束梯度稀疏。假设二阶导数不可用或计算成本过高。

我们讨论了一种SQP算法，该算法使用平滑增广拉格朗日价值函数，并明确规定了原始问题和QP子问题中的不可行性。拉格朗日量的Hessian近似使用有限记忆准牛顿方法。

SNOPT是一种特殊的实现，它对QP子问题使用简化的半定QP解算器（SQOPT）。它是为具有数千个约束和变量的问题而设计的，但最适合于具有中等自由度的问题（例如，高达2000）。给出了大多数CUTEr和COPS测试集合的数值结果（大约1020个示例，所有尺寸的约束和变量多达40000个，自由度多达20000个）。