大规模SDP求解器，基于SDPT3实现文档，全部MATLAB实现，没有底层c语言库

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

内点法matlab代码线性规划的乘数交变方向法（ADMM） 该项目是由Junjie（Jason）Zhu和Nico Chaves为Stanford MS＆E 310（线性编程）开发的。 我们实现了ADMM优化方法的几种新颖配置，并进行了一些实验。 有关背景，实验和结果的完整讨论，请参见我们的。 问题产生 要生成一个可行且有限的测试问题，请运行： m = 50; n = 300; prob_seed = 1; [c, A, b, opt_val] = generate_linprog_problem(m, n , prob_seed); 这里的问题将有50个约束和300个变量。 问题种子仅是为了可重复性。 请注意，generate_linprog_problem返回LP的最佳值（由MATLAB的linprog函数计算）。 解算器功能 我们开发了4种ADMM求解器：原始，内部点原始，对偶和内部点对偶。 您可以为每个求解器指定参数以使用预处理和/或块拆分。 如果您选择使用> 2个块来指定块分割，那么我们强烈建议将random permutation参数设置为true。 正如我们在报告中所显示的

使用内点法在matlab平台上进行最优潮流计算

用内点法计算电力系统最优潮流，只需输入节点数就可以进行最优潮流计算，该程序计算简单收敛。

MATLAB的梯度法，内点法，外点法，罚函数，惩罚函数，线性梯度法，源程序，按照提示输入，可直接运行

该库基于C++14标准构建，用于处理大规模线性规划问题（整数或浮点数均可，基于内点法），详细使用说明可参考我发布的博客：https://blog.csdn.net/weixin_46584887/article/details/126462648?spm=1001.2014.3001.5501，文件内包含说明文档，在Linux系统以及Windows系统下均可使用。

MATLAB的梯度法，内点法，外点法，罚函数，惩罚函数，线性梯度法，源程序，按照提示输入，可直接运行

内点法最优潮流MATLAB算法.txt

这个是基于内点法的自动驾驶车辆换道路径设计，优化的目标函数是换道平顺性，交通效率的函数。另外，附有常见的动力学约束。