阿里巴巴建设网站首页,我本沉默传奇新开网站,眉山建设网站,ui设计一个月挣多少钱Windows x64/86 C无依赖运行高斯伪谱法求解最优控制问题#xff0c;你只需要ElegantGP!
Author: Y. F. Zhang His Github: https://github.com/ZYunfeii
写在前面
这个库在你下载它的那一时刻起不再依赖任何其他代码#xff0c;直接可用来构建C的最优控制问题并进行求解。…Windows x64/86 C无依赖运行高斯伪谱法求解最优控制问题你只需要ElegantGP!
Author: Y. F. Zhang His Github: https://github.com/ZYunfeii
写在前面
这个库在你下载它的那一时刻起不再依赖任何其他代码直接可用来构建C的最优控制问题并进行求解。我还写了一个visual studio使用该库的demo项目供学习。 项目主要基于Lpopc进行封装编译不易下载地址https://download.csdn.net/download/weixin_43145941/88817667
文件简述
arma: 矩阵第三方库 https://gitlab.com/conradsnicta/armadillo-code
Lpopc: 高斯伪谱法库 https://sourceforge.net/projects/lpopc/
Debug_win64: Debug版本64位库
Release_win64: Release版本64位库
MKL: MKL相关库和一个intel导入库(libiomp5md.lib) 对于库中文件解释 Ipopt-vc8.dllipopt动态库 Ipopt-vc8.libipopt导入库 liblpopc.lib高斯伪谱封装库 使用
库的介绍
../Example文件夹中给出了一个经典的轨迹优化案例visual studio项目。
使用C版本解决高斯伪谱问题需要的库有Release
Ipopt-vc8.libliblpopc.libmkl_intel_lp64.libmkl_intel_thread.libmkl_core.liblibiomp5md.lib
第1个库为ipopt库由https://github.com/coin-or/Ipopt 编译。第2个库为高斯伪谱库由 https://sourceforge.net/projects/lpopc/ 编译。第345个库是MKL的静态库这里我直接将其拷贝过来了无需使用者自行安装。缺点就是这几个静态库十分臃肿。第6个库是intel相关库我也直接拷贝过来了。 MKL全称Intel Math Kernel Library 是由Intel 公司开发的专门用于矩阵计算的库。 visual studio项目配置
遵循Debug对应Base下Debug库Release对应Base下Release库编译平台选x64。VC目录包含目录
$(SolutionDir)..\ElegantGP\Lpopc\Common
$(SolutionDir)..\ElegantGP\Lpopc\Core
$(SolutionDir)..\ElegantGP\Lpopc\SparseMatrix
$(SolutionDir)..\ElegantGP\arma\include具体路径根据用户Base位置确定。
VC目录库目录
$(SolutionDir)..\ElegantGP\Debug_win64
$(SolutionDir)..\ElegantGP\MKL具体路径根据用户库位置确定。再次强调Debug和Release需对应。
链接器输入附加依赖项
Ipopt-vc8.lib
liblpopc.lib
mkl_intel_lp64.lib
mkl_intel_thread.lib
mkl_core.lib
libiomp5md.lib输入上述库名称。
C/C代码生成运行库选择多线程调试(/MTd)
其余可根据用户需求进一步细优化配置至此可进行项目生成。
将Ipopt-vc8.dll和libiomp5md.dll拷贝到生成的可执行文件夹下也可以把dll配置到环境变量但保险起见使用前者可以保证本库的dll最先被找到因为可能你的电脑上存在同名dll据我所知matlab里面有如果你配了matlab的环境变量那很可能找到它的同名dll导致exe运行时出现程序定位点错误【重要】双击执行生成的example.exe [可选] C/C优化 选用 最大优化优化速度 库函数
高斯伪谱mesh refine方法选用hp-Liuhp方法求解效率不行:
app-Options()-SetStringValue(mesh-refine-methods, hp-Liu);最大网格数设置
app-Options()-SetIntegerValue(max-grid-num, 120); 误差设置
app-Options()-SetNumericValue(finite-difference-tol, 1e-3);
app-Options()-SetNumericValue(desired-relative-error, 1e-3);求解结果
txt形式
在exe文件目录下生成state time control文件其为轨迹优化结果。
代码形式
我对原库进行了修改可直接从应用层获取求解结果
app-algorithm_-cd_data_-result[0].get()-state; // mat形式的state0表示phase编号从0开始具体可获取的结果见如下结构体
struct SolutionData
{vec time;mat state;mat control;mat parameter;mat costate;mat pathmult;mat Hamiltonian;double mayerCost;double lagrangeCost;};lagrangeCost表示积分型代价函数值mayerCost就是传统意义上不带积分的代价函数值。
性能相关
cpu: Intel i7-11700 16核
HyperSensitive轨迹优化Release版本求解0.581sRelease进行了编译运算优化。HyperSensitive轨迹优化Debug版本求解0.967s。HyperSensitive轨迹优化Matlab2019b相同初始值求解7.937s。 计算误差在1e-10级别。
另一个例子
高超声速飞行器再入轨迹优化问题Matlab2019b求解35sElegantGP只需要1.7s。
不足
liblpopc.lib比较臃肿导致编译出来的可执行文件达几十MBytes。MKL的库也十分臃肿为了打包我都拷贝过来了但是文件过大。
关于从头编译lpopc库
Linux下lpopc库的编译还是较为容易的但也不是非常的容易。而Windows下该项目的编译可以用困难重重形容。
Lpopc的作者在文档LpopcDoc.pdf\lpopc-master\Lpopc\doc中给出了其编译流程但仍旧有许多不一致。感兴趣的读者可以自行尝试编译
git下来Ipopt的项目进入Ipopt-3.12.3\Ipopt\MSVisualStudio\v8-ifort最终是要把Ipopt-vc8项目编译出来。但它的编译依赖解决方案中CoinMetisCoinMumpsCCoinMumpsF90IpOptFor项目编译出来的静态库因此需要先编译这几个项目。1中提到的需要先编译的项目中有Fortan项目这里需要安装Fortran编译器ifort除此之外MKL库也是必须的。CoinMetisCoinMumpsCCoinMumpsF90的编译依赖METIS和MUMPS项目需要下载源码把1中项目.F文件用源码替代。使用ipopt编译好的库对liblpopc库进行编译这里liblpopc的vs项目源文件少添加了关于hpLiu的mesh方法cpp和hpp文件。使用liblpopc的库对高斯伪谱优化问题编译。
这里只是非常简略得叙述了下编译过程实际上有很多细微的问题不再赘述。
对原库的细节修改
Lpopc原本是求解完最优问题后通过arma的接口将结果写入磁盘这不利于将GP嵌入自己的算法作为中间环节。因此我将LpLpopcAlgorithm.hpp文件中LpopcAlgorithm类的私有变量cd_data_改为public同时将LpLpopcApplication.hpp文件中algorithm_改为public。这一改动不够优雅但无伤大雅。
软件许可协议
ElegantGP项目采用较为宽松的MIT软件许可协议。
