Optimization 用于scip优化的lapack库

我有一个带有线性约束的二次优化问题，我想用

SCIP

解决这个问题。我想要最小化的优化矩阵是半正定的（精确地说，它是某些变量的方差）。我在

CPLEX LP

格式的文件中遇到了问题，当我在

SCIP

中进行优化时，我得到了消息

Quadratic constraint handler does not have LAPACK for eigenvalue computation. Will assume
that matrices (with size > 2x2) are indefinite.

因此，

SCIP

在假设矩阵不确定且需要大量时间的情况下开始优化。我已经安装了

LAPACK

，甚至在

lib

文件夹中复制了

liblapack.a

文件，其中包含

SCIP

源文件和二进制文件，并重新安装了

SCIP

。但是，我一直得到上面的信息

---

有没有办法让SCIP使用LAPACK库？我相信优化会非常快，如果

SCIP

能够计算出矩阵是半正定的。

目前，SCIP只能使用LAPACK-through。当使用Ipopt支持编译SCIP时，通常在非线性问题上有更好的性能，因此绝对推荐使用它。跑

make IPOPT=true

---

并确保事先安装了Ipopt。

目前，SCIP只能通过使用LAPACK。当使用Ipopt支持编译SCIP时，通常在非线性问题上有更好的性能，因此绝对推荐使用它。跑

make IPOPT=true

---

并确保您事先安装了Ipopt。

如果您想稍微修补一下SCIP，以便在不提供完整Ipopt的情况下使用您的Lapack库（尽管它在*nix上构建相对容易，并且可能有助于提高性能，正如mattmilten所指出的），下面是一个您可以尝试的补丁：

diff --git a/src/scip/cons_quadratic.c b/src/scip/cons_quadratic.c
index 93ba359..795bade 100644
--- a/src/scip/cons_quadratic.c
+++ b/src/scip/cons_quadratic.c
@@ -46,7 +46,7 @@
 #include "scip/heur_trysol.h"
 #include "scip/debug.h"
 #include "nlpi/nlpi.h"
-#include "nlpi/nlpi_ipopt.h"
+/*#include "nlpi/nlpi_ipopt.h" */

 /* constraint handler properties */
 #define CONSHDLR_NAME          "quadratic"
@@ -4257,6 +4257,71 @@ void checkCurvatureEasy(
       *determined = FALSE;
 }

+#define F77_FUNC(a,A) a##_
+
+   /** LAPACK Fortran subroutine DSYEV */
+   void F77_FUNC(dsyev,DSYEV)(
+      char*                 jobz,               /**< 'N' to compute eigenvalues only, 'V' to compute eigenvalues and eigenvectors */
+      char*                 uplo,               /**< 'U' if upper triangle of A is stored, 'L' if lower triangle of A is stored */
+      int*                  n,                  /**< dimension */
+      double*               A,                  /**< matrix A on entry; orthonormal eigenvectors on exit, if jobz == 'V' and info == 0; if jobz == 'N', then the matrix data is destroyed */
+      int*                  ldA,                /**< leading dimension, probably equal to n */
+      double*               W,                  /**< buffer for the eigenvalues in ascending order */
+      double*               WORK,               /**< workspace array */
+      int*                  LWORK,              /**< length of WORK; if LWORK = -1, then the optimal workspace size is calculated and returned in WORK(1) */
+      int*                  info                /**< == 0: successful exit; < 0: illegal argument at given position; > 0: failed to converge */
+      );
+
+/** Calls Lapacks Dsyev routine to compute eigenvalues and eigenvectors of a dense matrix. 
+ */
+static
+SCIP_RETCODE LapackDsyev(
+   SCIP_Bool             computeeigenvectors,/**< should also eigenvectors should be computed ? */
+   int                   N,                  /**< dimension */
+   SCIP_Real*            a,                  /**< matrix data on input (size N*N); eigenvectors on output if computeeigenvectors == TRUE */
+   SCIP_Real*            w                   /**< buffer to store eigenvalues (size N) */
+   )
+{
+   int     INFO;
+   char    JOBZ = computeeigenvectors ? 'V' : 'N';
+   char    UPLO = 'L';
+   int     LDA  = N;
+   double* WORK = NULL;
+   int     LWORK;
+   double  WORK_PROBE;
+   int     i;
+
+   /* First we find out how large LWORK should be */
+   LWORK = -1;
+   F77_FUNC(dsyev,DSYEV)(&JOBZ, &UPLO, &N, a, &LDA, w, &WORK_PROBE, &LWORK, &INFO);
+   if( INFO != 0 )
+   {
+      SCIPerrorMessage("There was an error when calling DSYEV. INFO = %d\n", INFO);
+      return SCIP_ERROR;
+   }
+
+   LWORK = (int) WORK_PROBE;
+   assert(LWORK > 0);
+
+   SCIP_ALLOC( BMSallocMemoryArray(&WORK, LWORK) );
+
+   for( i = 0; i < LWORK; ++i )
+      WORK[i] = i;
+
+   F77_FUNC(dsyev,DSYEV)(&JOBZ, &UPLO, &N, a, &LDA, w, WORK, &LWORK, &INFO);
+
+   BMSfreeMemoryArray(&WORK);
+
+   if( INFO != 0 )
+   {
+      SCIPerrorMessage("There was an error when calling DSYEV. INFO = %d\n", INFO);
+      return SCIP_ERROR;
+   }
+
+   return SCIP_OKAY;
+}
+
+
 /** checks a quadratic constraint for convexity and/or concavity */
 static
 SCIP_RETCODE checkCurvature(
@@ -4343,7 +4408,7 @@ SCIP_RETCODE checkCurvature(
       return SCIP_OKAY;
    }

-   if( SCIPisIpoptAvailableIpopt() )
+   if( TRUE )
    {
       for( i = 0; i < consdata->nbilinterms; ++i )
       {
@@ -4479,7 +4544,7 @@ SCIP_RETCODE checkFactorable(
       return SCIP_OKAY;

    /* need routine to compute eigenvalues/eigenvectors */
-   if( !SCIPisIpoptAvailableIpopt() )
+   if( !TRUE )
       return SCIP_OKAY;

    SCIP_CALL( consdataSortQuadVarTerms(scip, consdata) );
@@ -9395,7 +9460,7 @@ SCIP_DECL_CONSINITSOL(consInitsolQuadratic)
       SCIP_CALL( SCIPcatchEvent(scip, SCIP_EVENTTYPE_SOLFOUND, eventhdlr, (SCIP_EVENTDATA*)conshdlr, &conshdlrdata->newsoleventfilterpos) );
    }

-   if( nconss != 0 && !SCIPisIpoptAvailableIpopt() && !SCIPisInRestart(scip) )
+   if( nconss != 0 && !TRUE && !SCIPisInRestart(scip) )
    {
       SCIPverbMessage(scip, SCIP_VERBLEVEL_HIGH, NULL, "Quadratic constraint handler does not have LAPACK for eigenvalue computation. Will assume that matrices (with size > 2x2) are indefinite.\n");
    }

diff--git a/src/scip/cons_quadratic.cb/src/scip/cons_quadratic.c
索引93ba359..795bade 100644
---a/src/scip/cons_.c
+++b/src/scip/cons_.c
@@ -46,7 +46,7 @@
#包括“scip/heur_trysol.h”
#包括“scip/debug.h”
#包括“nlpi/nlpi.h”
-#包括“nlpi/nlpi_ippt.h”
+/*#包括“nlpi/nlpi_ippt.h”*/
/*约束处理程序属性*/
#定义CONSHDLR_名称“二次型”
@@-4257,6+4257,71@@void checkCurvatureEasy(
*确定=假；
}
+#定义F77_FUNC（a，a）a##_
+
+/**LAPACK Fortran子程序DSYEV*/
+无效F77_FUNC（dsyev，dsyev）(
+char*jobz，/**<'N'仅计算特征值，'V'计算特征值和特征向量*/
+char*uplo，/**<'U'如果存储了A的上三角，则为'L'如果存储了A的下三角*/
+int*n，/**0:无法收敛*/
+      );
+
+/**调用Lapacks Dsyev例程来计算稠密矩阵的特征值和特征向量。
+ */
+静止的
+SCIP_RETCODE LapackDsyev(
+SCIP_Bool ComputeIgenvectors，/**<是否也应计算特征向量*/
+整数N，/**<维数*/
+SCIP_Real*a，/**<输入上的矩阵数据（大小N*N）；如果ComputeIgInvectors==TRUE，则输出上的特征向量*/
+SCIP_Real*w/**<用于存储特征值的缓冲区（大小N）*/
+   )
+{
+国际信息；
+char JOBZ=ComputeIgInvectors？'V'：'N'；
+char UPLO='L'；
+int-LDA=N；
+double*WORK=NULL；
+内部工作；
+双工作探头；
+int i；
+
+/*首先，我们要了解LWORK应该有多大*/
+LWORK=-1；
+F77_FUNC（dsyev、dsyev）（&JOBZ、&UPLO、&N、a、&LDA、w、工作探头、&LWORK和信息）；
+如果（信息！=0）
+   {
+SCIPerrorMessage（“调用DSYEV.INFO=%d\n”INFO时出错）；
+返回SCIP_错误；
+   }
+
+LWORK=（int）工作探头；
+断言（LWORK>0）；
+
+SCIP_ALLOC（BMSallocMemoryArray（&WORK，LWORK））；
+
+对于（i=0；inbilinterms；++i）
{
@@-4479,7+4544,7@@SCIP_RETCODE可检查因子(
返回SCIP_OK；
/*需要例程来计算特征值/特征向量*/
-如果（！scipipoptavailableipopt（））
+如果（！TRUE）
返回SCIP_OK；
SCIP_呼叫（consdataSortQuadVarTerms（SCIP，consdata））；
@@-9395,7+9460,7@@SCIP_DECL_CONSINITSOL（CONSINITSOL二次型）
SCIP_调用（SCIPcatchEvent（SCIP、SCIP_事件类型、eventhdlr、（SCIP_EVENTDATA*）conshdlr和conshdlrdata->newsoleventfilterpos））；
}
-如果（nconss！=0&&！scipisipoptavailableipot（）&&&！SCIPisInRestart（scip））
+如果（nconss！=0&&！TRUE&&！SCIPisInRestart（scip））
{
SCIPverbMessage（scip，scip\u VERBLEVEL\u HIGH，NULL，“二次约束处理程序执行