IPOPT滤波器保留与屏障参数手动更新技术咨询

核心结论 #

你的需求是可行的，可以通过控制IPOPT的优化器状态和参数设置来实现。

具体实现方案 #

1. 分场景处理逻辑 #

• 当**不需要更新my_μ**时：
  直接调用optimize!(model)即可。因为你已经设置了warm_start_init_point="yes"，IPOPT默认会在暖启动模式下保留上次优化的滤波器信息——滤波器属于IPOPT内部迭代状态的一部分，只要不重置优化器核心状态，就会自动复用。
• 当**需要更新my_μ**时：
  先重置IPOPT的内部状态（包含清空滤波器），再设置新的屏障参数并启动优化。可以通过reset_optimizer(model)实现状态重置，代码示例如下：

  reset_optimizer(model)
  set_optimizer_attributes(model, "mu_target" => my_μ, "mu_init" => my_μ,
                          "dual_inf_tol" =>  ϵ, "constr_viol_tol" => ϵ,
                          "compl_inf_tol" => ϵ, 
                          "warm_start_init_point" => "yes");
  optimize!(model)
  

2. 迭代次数问题的验证逻辑 #

你怀疑迭代次数过多源于滤波器被清空，这个判断是合理的：IPOPT的滤波器用于筛选可接受的迭代步，清空后需要重新构建筛选规则，必然会增加初始阶段的迭代步数。通过上述分场景处理，不更新my_μ时保留滤波器，能有效减少重复迭代的消耗。

注意事项 #

• 保持warm_start_init_point="yes"为默认设置（仅在重置状态时无需刻意修改），暖启动除了保留滤波器，还会复用上次的原始变量/对偶变量值，进一步提升优化效率。
• reset_optimizer(model)会完全清空IPOPT的所有历史迭代状态，因此仅在需要更新my_μ时调用，不要每次优化前都执行。

内容的提问来源于stack exchange，提问作者Annaquest