Saya mencari paket untuk membantu saya memecahkan beberapa masalah optimasi kuadratik dan saya melihat setidaknya ada setengah lusin paket yang berbeda. Menurut halaman ini :

QP (Quadratic programming, 90C20): cplexAPI , kernlab , limSolve , LowRankQP , quadprog , Rcplex , Rmosek

Beberapa di antaranya (Rmosek dan cplexAPI) bergantung pada paket eksklusif lainnya, jadi saya tidak tertarik dengan itu.

Apa perbedaan penting antara paket QP lainnya?

• Cplex (cplexAPI, Rcplex): bukan open source (tetapi ada lisensi akademik gratis tahunan yang dapat diperbarui). Ini mendukung matriks jarang. Adalah pembungkus goto saya untuk QP ketika saya menggunakannya. Ketahuilah bahwa lisensi akademik tidak memungkinkan untuk menggunakannya pada banyak core (katakanlah sampai selesai mclapply()).
• ipop (yang ada di kernlab) diimplementasikan dalam R. murni yang membuatnya tidak perlu lambat dalam aplikasi besar. Tidak mendukung matriks yang jarang.
• limSolve tidak menyelesaikan QP lengkap, hanya mereka yang kendala jenis kesetaraannya. Tidak semua masalah QP dapat dibingkai dengan cara ini, tetapi ketika kemudian bisa, mereka memiliki solusi eksplisit. Tidak mendukung matriks yang jarang.
• LowRankQP: yang ini menurut pengalaman saya bagus (cepat dibandingkan dengan yang open source lainnya). Tidak mendukung matriks yang jarang.
• quadprog: implementasi dasar dari pemecah Goldfarb & Idnani Dual dan Primal-Dual. Tidak mendukung matriks jarang tetapi tenang cepat untuk masalah berukuran sedang.
• Rmosek: tidak pernah mencoba.

Edit.

Karena saya menulis jawaban ini, paket baru, ipoptr sekarang tersedia di R-forge. Ini pasca R-blogger membandingkan kinerja pada QP murni dengan quadprog. Singkatnya, ipoptr mendukung triplet matriks jarang dan cenderung jauh lebih cepat daripada quadprod ketika matriks desain jarang. Namun ketika matriks desain padat, quadprog tampaknya masih jauh lebih cepat.