2018/11/1更新：

• qpOASES采用的是可行集策略
• 要求H为正定(半正定)矩阵
• 规模较大时耗时较长

动机

---

做毕设的时候需要求一个这样的二次型最优化问题：

查过资料后得知可以运用罚函数内点法来解决，但是自己写的代码一直效果不是很理想，于是上网搜了一下二次型最优化的C++库，找了很久终于找到了一个专门处理二次型问题的库，qpOASES，特此记录。

下载

---

开源项目主页：https://projects.coin-or.org/qpOASES/wiki，
点击Download进入下载界面，选择对应项目下载即可，
这里我我下载的是qpOASES-3.2.1.zip。

Download

编译

---

工具：CMake + VS2015

首先将qpOASES-3.2.1.zip解压缩，然后用CMake进行编译：
Where is the source code选择项目根目录，即\qpOASES-3.2.1\qpOASES-3.2.1，在这个目录下有CMakeLists.txt文件。
Where to build the binaries随便指定一个路径，如.\qp，用来存放编译后的文件。
然后点击两次Configure，一次Generate，生成包含如下文件的文件夹：

qb文件夹

在VS2015中打开ALL_BUILD.vcxproj，右键ALL_BUILD->生成，生成成功后退出，发现\qp\libs\Debug\路径下生成了qpOASES.lib，这就是我们需要的库文件(这里要注意平台，如果生成的是x64下的lib，使用的时候就要选择x64平台。

将qpOASES.lib和头文件拷贝到需要的位置，在VS2015中修改库路径和头文件路径，则完成配置。

测试

---

官方测试代码：

#include "include\qpOASES.hpp"

int main()
{
    USING_NAMESPACE_QPOASES
    /* Setup data of first QP. */
    real_t H[2 * 2] = { 1.0, 0.0, 0.0, 0.5 };
    real_t A[1 * 2] = { 1.0, 1.0 };
    real_t g[2] = { 1.5, 1.0 };
    real_t lb[2] = { 0.5, -2.0 };
    real_t ub[2] = { 5.0, 2.0 };
    real_t lbA[1] = { -1.0 };
    real_t ubA[1] = { 2.0 };
    /* Setup data of second QP. */
    real_t g_new[2] = { 1.0, 1.5 };
    real_t lb_new[2] = { 0.0, -1.0 };
    real_t ub_new[2] = { 5.0, -0.5 };
    real_t lbA_new[1] = { -2.0 };
    real_t ubA_new[1] = { 1.0 };
    /* Setting up QProblem object. */
    QProblem example(2, 1);
    /* Solve first QP. */
    int_t nWSR = 10;
    example.init(H, g, A, lb, ub, lbA, ubA, nWSR);
    /* Solve second QP. */
    nWSR = 10;
    example.hotstart(g_new, lb_new, ub_new, lbA_new, ubA_new, nWSR);
    /* Get and print solution of second QP. */
    real_t xOpt[2];
    example.getPrimalSolution(xOpt);
    printf("\n xOpt = [ %e, %e ]; objVal = %e\n\n",
        xOpt[0], xOpt[1], example.getObjVal());
    return 0;
}

运行结果：

运行结果

注意事项

---

• real_t的定义为typedef double;
• H是对称的正定（半正定）矩阵;
• 使用时注意平台，x86和x86对应，x64和x64对应，否则会报error LNK2019: 无法解析的外部符号错误.