Optimization SLSQP优化算法是如何工作的？

我在openMDAO中使用SLSQP算法，但我很难理解它实际上是如何工作的。我只是在看一个普通抛物面的例子，它有两个设计变量，目的是在没有任何约束的情况下最小化f。通过为每次迭代打印出x、y和f的值（迭代可能不是正确的词），我可以看到，偶尔对每个设计变量（x、y）使用正向有限差分法计算一阶导数。然后用这些导数来求下一个x和y值，但是我看不到模式

另外，当我读到SLSQP方法时，二阶导数也是必需的。不过，我看不出这是经过计算的。 让我举一个我的输出的例子：

iteration 1:
x = 0
y = 0
f = 22

iteration 2:
x = 0.01
y = 0
f = 21.9401

iteration 3:
x = 0
y = 0.01
f = 22.0801

从最后两次迭代中，我们可以计算出df/dx=5.99，df/dy=-8.01

下一次迭代恰好是：

x = 5.99
y = -8.01
f = -25.9597

然后再从这一点进行两次有限差分计算，得出：df/dx=2.02，df/dy=2.02

然后下一次迭代有变量：x=8.372726，y=-6.66007 我不知道如何获得这些值

此外，有时甚至在不计算该点的导数的情况下，就采取了一大步。可能是因为前一步太大，导致函数偏离最小值

---

我希望有人能给我解释一下，或者给我一个有用的关于所使用的精确算法的来源，或者给我一些可以用来更好地理解它的提示。非常感谢

Dieter Kraft描述的算法是一种拟牛顿法（使用BFGS），适用于由损失函数和等式和不等式约束组成的拉格朗日函数。因为在每次迭代中，一些不等式约束是活动的，一些不是活动的，所以在下一次迭代中忽略非活动不等式。使用拉格朗日函数中的有效约束子集，在每一步都会解决等式约束问题。

您能提供您正在使用的代码吗？确切的算法在论文

Kraft，Dieter中解释。“序列二次规划的软件包”，Forschungsbericht-Deutsche Forschungs-und Versuchsanstalt fur Luft-und Raumfahrt（1988）

，但可能很难获得。对于更一般的治疗，

Nocedal、Jorge和Stephen J.Wright。《序列二次规划》，《数值优化》（2006）：529-562.

应该会有所帮助。代码本身就来自于，它还有一个额外的问题，这个问题很好，但是社区不是更合适的地方吗？