Quel est l'écart de performance entre Matmab fmincons et le solveur NLP de C++ comme ipopt?

Question

Je suis sur le point d'écrire un algorthim pour les applications en temps réel, ce qui implique des NLP de grande dimension (programmations non linéaires).

avant les implentations, j'ai besoin de chronométrer mes algorithmes pour voir si c'est faisable pour les applications en temps réel, donc j'utilise les fmincons intégrés de Matlab comme référence. Comme le montre l'expérience, les algorithmes matlab ont tendance à varier plus lentement que leurs équivalents en C++. Je veux donc estimer quel type de gain de performance je peux espérer dans ce cas particulier? Comme mon travail est principalement lié aux applications en temps réel, je n'utilise donc que rarement la PNL (programmation non linéaire), donc j'ai demandé à mes collègues de travailler, ils me recommandent d'essayer ipopt pour commencer, j'ai googlé son site web, il n'y a pas de Il n'y a pas beaucoup de sujets concernant les détails de leurs algorithmes (au moins dans Matlab, il n'est pas difficile de vérifier les détails de leurs algorthims), donc je n'ai pratiquement aucune idée de la précision/robustesse/optimalité etc. à propos de ça. Donc n'importe quelle aide ici concernant les implémentations C++ de NLP sera très utile, merci beaucoup à l'avance.

Answer 1

Beaucoup de ces types de problèmes sont dominés par de grandes multiplications matricielles O (n^~ 3). Si tel est le cas et que les deux systèmes utilisent le même algorithme, les performances seront similaires et ne dépendront pas du langage, car la fonction de multiplication de la matrice sous-jacente sera implémentée de manière native dans asm.

Si l'algorithme n'est pas dominé par une simple fonction comme celle-ci, et nécessite beaucoup de gestion de la mémoire, la bibliothèque C++ gagnera beaucoup (3-10 x comme rapide).

(Si les performances sont critiques, de nombreuses personnes utilisent OpenCL pour extraire du matériel vers le GPU qui conçoit pour ce type de calcul numérique, et présente des différences de prix/performances dans la plage 20-100x. off à un cluster si vous en avez besoin encore plus rapidement.)