CasADi中Opti Stack对偶变量符号问题的技术分析

问题背景

在使用CasADi的Opti Stack进行优化问题求解时，用户发现从不同途径获取的等式约束对偶变量存在符号不一致的问题。具体表现为通过opti.dual获取的对偶变量与直接从opti.lam_g获取的值符号相反，这直接影响了基于KKT条件的验证工作。

问题重现

考虑以下简单优化问题：

minimize x
subject to x - y² = 0

使用CasADi的Opti Stack求解后，通过两种方式获取对偶变量：

1. opt.dual(constr)返回值为1
2. opt.lam_g返回值为-1

而通过原生NLPSOL接口求解相同问题，得到的对偶变量为-1，与opt.lam_g一致。

技术分析

对偶变量符号约定

在数学优化中，拉格朗日函数的标准形式通常写为：

L(x,λ) = f(x) + λᵀg(x)

其中对于等式约束g(x)=0，λ可正可负；对于不等式约束g(x)≤0，要求λ≥0。

Opti Stack实现差异

问题出在Opti Stack的dual()方法实现上。该方法在返回等式约束的对偶变量时，错误地返回了绝对值，而原生接口和lam_g属性保持了正确的符号。

影响范围

这一差异会影响：

1. 手动构建拉格朗日函数进行KKT验证
2. 基于对偶变量的灵敏度分析
3. 任何依赖对偶变量符号的应用场景

解决方案

目前推荐的解决方案是：

1. 对于需要精确对偶变量的场景，直接使用opti.lam_g
2. 或者使用原生NLPSOL接口构建问题
3. 等待官方修复opti.dual方法

深入理解

对偶变量物理意义

对偶变量λ表示目标函数f相对于约束g的灵敏度。负值表示收紧约束(g值减小)会改善目标函数值，这与示例中x越小越优的情况一致。

验证方法

可以通过以下方式验证KKT条件：

# 正确方式
L = opt.f + opt.lam_g @ opt.g
stationarity = ca.jacobian(L, opt.x)

结论

CasADi的Opti Stack提供了便捷的高级建模接口，但在某些细节实现上(如对偶变量符号处理)与底层求解器存在不一致。用户在需要精确数学表达时应谨慎选择变量获取方式，或直接使用更底层的NLPSOL接口。这一问题已引起开发者关注，预计未来版本会进行修正。