这是HPIPM，一种高性能的内点方法求解器，用于密集的，最优的控制结构和树形结构的凸二次方程序。 它提供有效的密集算法和结构探索算法的实现，以解决一般在模型预测控制和嵌入式优化中出现的中小型问题，并且它依赖于高性能线性代数程序包BLASFEO。 HPIPM（和BLASFEO，这是一个依赖项），同时包含make和cmake构建系统。 首选的是make ，它可以用来编译和运行任何语言的任何库，接口和示例。 make也用于连续集成travis脚本中。 cmake只能用于编译库，而感兴趣的用户应通过从各种Makefile的命令中Makefile灵感来编译接口并自己运行示例。 入门： 开始使用HPIPM的最佳方法是查看/hpipm/examples/ 。 HPIPM可以从C直接使用，但是也有到Python和Matlab的接口。 根据您要使用HP​​IPM的级别，请查看下面的以下部分。 可以在do

内部积分法 在MATLAB中实现内部点方法（我在线性优化课程[MTH305] [IIIT-Delhi]中的分配）。 此外，我们解决了以下线性问题： min 1'u + 1'v st. a'xi + b >= 1 - ui i=1..N a'yj + b <= -1 + vj j=1..M u >= 0 v >= 0 我们得到了： DB_Vecs.npy （用于训练的序列向量） DB_Labels.npy （对应的标签） Q_Vecs.npy （测试序列） 将它们转换为Matrix文件 。 我们Q_vecs list / numpy数组的形式提交结果（ Q_vecs标签）。 在这里，输出在Matrix文件。 参考 影片资源： 斯蒂芬·博伊德（Stephen Boyd），第18届会议，凸面优化（讨论

讲线性优化内点法算法的经典参考书，英文版的，读下来绝对有收获

凸优化工具