我试图用IPOPT解决AMPL中一个非常简单的优化问题，如下所示：
var x1 >= 0 ;
minimize obj: -(x1^2)+x1;
显然问题是无限的 . 但是IPOPT给了我：
******************************************************************************
This program contains Ipopt, a library for large-scale nonlinear optimization.
Ipopt is released as open source code under the Eclipse Public License (EPL).
For more information visit http://projects.coin-or.org/Ipopt
******************************************************************************
This is Ipopt version 3.12.4, running with linear solver mumps.
NOTE: Other linear solvers might be more efficient (see Ipopt documentation).
Number of nonzeros in equality constraint Jacobian...: 0
Number of nonzeros in inequality constraint Jacobian.: 0
Number of nonzeros in Lagrangian Hessian.............: 1
Total number of variables............................: 1
variables with only lower bounds: 1
variables with lower and upper bounds: 0
variables with only upper bounds: 0
Total number of equality constraints.................: 0
Total number of inequality constraints...............: 0
inequality constraints with only lower bounds: 0
inequality constraints with lower and upper bounds: 0
inequality constraints with only upper bounds: 0
iter objective inf_pr inf_du lg(mu) ||d|| lg(rg) alpha_du alpha_pr ls
0 9.8999902e-03 0.00e+00 2.00e-02 -1.0 0.00e+00 - 0.00e+00 0.00e+00 0
1 1.5346023e-04 0.00e+00 1.50e-09 -3.8 9.85e-03 - 1.00e+00 1.00e+00f 1
2 1.7888952e-06 0.00e+00 1.84e-11 -5.7 1.52e-04 - 1.00e+00 1.00e+00f 1
3 -7.5005506e-09 0.00e+00 2.51e-14 -8.6 1.80e-06 - 1.00e+00 1.00e+00f 1
Number of Iterations....: 3
(scaled) (unscaled)
Objective...............: -7.5005505996934397e-09 -7.5005505996934397e-09
Dual infeasibility......: 2.5091040356528538e-14 2.5091040356528538e-14
Constraint violation....: 0.0000000000000000e+00 0.0000000000000000e+00
Complementarity.........: 2.4994494940593761e-09 2.4994494940593761e-09
Overall NLP error.......: 2.4994494940593761e-09 2.4994494940593761e-09
Number of objective function evaluations = 4
Number of objective gradient evaluations = 4
Number of equality constraint evaluations = 0
Number of inequality constraint evaluations = 0
Number of equality constraint Jacobian evaluations = 0
Number of inequality constraint Jacobian evaluations = 0
Number of Lagrangian Hessian evaluations = 3
Total CPU secs in IPOPT (w/o function evaluations) = 0.001
Total CPU secs in NLP function evaluations = 0.000
EXIT: Optimal Solution Found.
Ipopt 3.12.4: Optimal Solution Found
suffix ipopt_zU_out OUT;
suffix ipopt_zL_out OUT;
ampl: display x1;
x1 = 0
当我将求解器更改为Gurobi时，它会给出以下消息：
Gurobi 6.5.0: unbounded; variable.unbdd returned.
这是我的预期 . 我无法理解为什么会发生这种情况，现在我不知道是否需要检查所有我试图解决的问题，以便不收敛到错误的最优解决方案 . 因为这是一个非常简单的例子，它有点奇怪 .
如果有人能帮助我，我将不胜感激 .
谢谢
2 回答
您已经确定了基本问题，但详细阐述了为什么这两个求解器给出了不同的结果：
IPOPT旨在涵盖广泛的优化问题，因此它使用了一些相当通用的数值优化方法 . 我不熟悉IPOPT的细节，但通常这种方法依赖于选择起点，查看起点附近的目标函数的曲率，并遵循曲率“下坡”直到找到局部最优 . 不同的起点可能导致不同的结果 . 在这种情况下，IPOPT可能默认为起始点为零，因此它位于该局部最小值之上 . 正如欧文所建议的那样，如果你指定一个不同的起点，它可能会发现无限 .
Gurobi专门针对二次/线性问题而设计，因此它使用了非常不同的方法，这些方法不容易受到局部最小问题的影响，并且对于二次方的问题可能更有效 . 但它不支持更一般的目标函数 .
我想我明白为什么会这样 . 目标函数
不凸 . 因此给定的解决方案是局部最优的 .