ProxSuite 开源项目教程

1. 项目介绍

ProxSuite 是一个开源的数值优化工具箱，专注于提供高效、精确和稳健的数值求解器（如线性规划、二次规划等）。ProxSuite 基于重新审视的原始-对偶近端算法，旨在为社区提供可扩展的优化器，能够处理密集、稀疏或无矩阵的问题。尽管最初的应用领域是机器人学，但 ProxSuite 可以在其他领域中无限制地使用。

ProxSuite 由 Willow 和 Sierra 研究小组联合开发，这两个研究小组是 Inria、École Normale Supérieure de Paris 和 Centre National de la Recherche Scientifique 的联合研究团队，位于法国。ProxSuite 已经集成到多个优化生态系统中，如 CVXPY 建模语言、CasADi 符号框架和 TSID 机器人软件。

2. 项目快速启动

快速安装

ProxSuite 可以通过多种包管理器快速安装：

• 使用 pip 安装：

  pip install proxsuite
  

  该方法适用于 Linux、Windows 和 Mac OS X。

• 使用 conda 安装：

  conda install proxsuite -c conda-forge
  

  该方法适用于 Linux、Windows 和 Mac OS X。

• 使用 brew 安装：

  brew install proxsuite
  

  该方法适用于 Linux 和 Mac OS X。

编译第一个示例程序

为了获得最佳性能，可以使用以下命令启用向量化编译简单的示例程序：

g++ -O3 -march=native -DNDEBUG -std=gnu++17 -DPROXSUITE_VECTORIZE examples/first_example_dense.cpp -o first_example_dense $(pkg-config --cflags proxsuite)

使用 CMake 集成 ProxSuite

如果你想使用 CMake 集成 ProxSuite，以下是一个简单的示例：

cmake_minimum_required(VERSION 3.10)
project(Example CXX)

find_package(proxsuite REQUIRED)

set(CMAKE_CXX_STANDARD 17)  # 也可以使用 set(CMAKE_CXX_STANDARD 14)

add_executable(example example.cpp)
target_link_libraries(example PUBLIC proxsuite::proxsuite)

# 通过 SIMDE 启用向量化支持，并使用编译选项 '-march=native' 或 `-mavx2 -mavx512f`
add_executable(example_with_full_vectorization_support example.cpp)
target_link_libraries(example_with_full_vectorization_support PUBLIC proxsuite::proxsuite-vectorized)
target_compile_options(example_with_full_vectorization_support PUBLIC "-march=native")

3. 应用案例和最佳实践

应用案例

ProxSuite 在机器人学中有广泛的应用，特别是在逆动力学和接触力优化方面。例如，TSID（Task Space Inverse Dynamics）是一个基于 Pinocchio 的机器人软件，用于高效处理机器人逆动力学问题，ProxSuite 被集成到 TSID 中以解决相关的优化问题。

最佳实践

• 优化器选择：根据问题的结构选择合适的优化器，如密集、稀疏或无矩阵的优化器。
• 向量化：在编译时启用向量化以提高性能。
• 调试与测试：使用 ProxSuite 提供的测试工具进行调试和性能测试，确保优化器的可靠性和效率。

4. 典型生态项目

ProxSuite 已经集成到多个优化生态系统中，以下是一些典型的生态项目：

• CVXPY：一个用于凸优化问题的建模语言。
• CasADi：一个符号框架，用于一般数值优化和最优控制。
• TSID：一个基于 Pinocchio 的机器人软件，用于高效处理机器人逆动力学问题。

这些生态项目的集成使得 ProxSuite 能够在更广泛的优化问题中发挥作用，并提供高效的解决方案。