ipopt：在 ipopt 中定义决策变量时，-Inf < var < Inf 的效率如何？
ipopt: how efficient is -Inf < var < Inf when defining a decision variable in ipopt?
我正在使用 ipopt 来解决轨迹优化问题，并且想知道将决策变量的边界设置为 1) 任何实数、(-Inf,Inf) 和 2 之间的区别（在效率方面） ) 任何 "large" 实数，例如(-10^12,10^12)。我在这里使用引号是因为 "large" 是主观的并且取决于应用程序。
选择10^12作为我的"large"数字，如果var是一维决策变量，我想知道ipopt是否更有效地处理
-Inf < var < Inf
或
-10^12 < var < 10^12
从实用的角度来看，选项 2) 应该更有效，因为它缩小了设计 space，但是如果 ipopt 使用一些智能启发式方法来有效地处理 Inf，则可能必须存储和携带“大”数字（例如 10^12）变得不那么有效。有什么见解吗？
IPOPT 将对两者使用不同的方法，因为在 1) 中变量是无界的，它是不受约束的，而在 2) 中变量是有界的。搜索 space 缩小为 2)，但 IPOPT 在处理 unconstrained/unbounded 变量时更有效 (1).
我正在使用 ipopt 来解决轨迹优化问题，并且想知道将决策变量的边界设置为 1) 任何实数、(-Inf,Inf) 和 2 之间的区别（在效率方面） ) 任何 "large" 实数，例如(-10^12,10^12)。我在这里使用引号是因为 "large" 是主观的并且取决于应用程序。
选择10^12作为我的"large"数字，如果var是一维决策变量，我想知道ipopt是否更有效地处理
-Inf < var < Inf
或
-10^12 < var < 10^12
从实用的角度来看，选项 2) 应该更有效，因为它缩小了设计 space，但是如果 ipopt 使用一些智能启发式方法来有效地处理 Inf，则可能必须存储和携带“大”数字（例如 10^12）变得不那么有效。有什么见解吗？
IPOPT 将对两者使用不同的方法，因为在 1) 中变量是无界的，它是不受约束的，而在 2) 中变量是有界的。搜索 space 缩小为 2)，但 IPOPT 在处理 unconstrained/unbounded 变量时更有效 (1).