Pyodide环境下可用的类quadprog二次规划开发库查询

方案1：复用官方内置的scipy.optimize求解器 #

Pyodide官方已预编译适配scipy库，你可以直接调用scipy.optimize.minimize的SLSQP求解器实现凸二次规划，不需要额外安装依赖：

• 按标准形式构造二次规划目标函数：min 1/2 x^T P x + q^T x
• 线性等式/不等式约束、变量边界分别通过constraints、bounds参数传入
• 凸二次规划场景下SLSQP的求解精度、结果与quadprog/CVXOPT一致，可满足中小规模求解需求

方案2：通过Pyodide JS桥调用quadprog-js #

quadprog-js可以直接在Pyodide环境中调用，无需额外适配：

• 先在Pyodide运行的宿主环境（前端页面）引入quadprog-js依赖
• Pyodide侧通过import js直接获取quadprog-js的求解接口
• 把Python侧的矩阵参数转换为JS数组/类型化数组传入求解，返回结果再转回numpy数组即可正常使用
• 该方案求解效率高于纯Python实现的求解器，适合中等规模QP问题

方案3：安装纯Python实现的QP求解库 #

你可以通过micropip安装无C扩展依赖的纯Python二次规划库，比如轻量的纯Python QP求解器：

• 调用micropip.install()安装对应纯Python wheel包
• 求解接口和quadprog/CVXOPT基本一致，代码迁移成本极低

选型参考 #

• 无额外依赖需求选scipy方案
• 追求性能选JS桥调用quadprog-js方案
• 原有Python代码要快速迁移选纯Python QP库方案

内容的提问来源于stack exchange，提问作者DIgg