
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">

<html>

<head>

  <meta content="text/html;charset=ISO-8859-1" http-equiv="Content-Type">

  <title></title>

</head>

<body bgcolor="#ffffff" text="#000000">

Hi All,<br>

<br>

I&nbsp; have a question on the output of IPOPT if using the CUTEr<br>

interface (ie, SIF as the input model file). From the output,<br>

I only can read the optimal objective function value, while I can't <br>

find the optimal variable values from the output list. As a matter<br>

of fact, both the optimal objective function value and the <br>

optimal variable values are output when I run LANCELOT<br>

(also using SIF as the input file). Besides, IPOPT + AMPL<br>

also can output both optimal values. Below I give the output<br>

results from IPOPT+CUTEr and LANCELOT, respectively,<br>

if I input the same HS65.SIF.<br>

<br>

<br>

<b>Results from IPOPT+CUTEr:</b><br>

------------------------------------------------------------------------------<br>

[lihong@frosty]tmp&gt; sdipopt --blas none HS65.SIF<br>

<br>

&nbsp;Problem name: HS65&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <br>

<br>

&nbsp;Double precision version will be formed. <br>

<br>

&nbsp;The objective function uses&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3 nonlinear groups<br>

&nbsp;<br>

&nbsp;There&nbsp; is&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 1 nonlinear inequality constraint <br>

&nbsp;<br>

&nbsp;There are&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3 variables bounded from below and above <br>

&nbsp;<br>

ld: warning: symbol `evals_' has differing sizes:<br>

&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; (file

/homes/lihong/cvs/cuter/CUTEr.large.sun.sol.g77/double/bin/ipoptma<br>

.o value=0x8; file /homes/lihong/cvs/COIN/Ipopt/lib/libipopt.a(ipopt.o)

value=0x<br>

c);<br>

&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; /homes/lihong/cvs/COIN/Ipopt/lib/libipopt.a(ipopt.o) definition

taken<br>

******************************************************************************<br>

This program contains IPOPT, a program for large-scale nonlinear

optimization.<br>

&nbsp;&nbsp; IPOPT is released as open source under the Common Public License

(CPL).<br>

&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; For more information visit <a class="moz-txt-link-abbreviated" href="http://www.coin-or.org/Ipopt">www.coin-or.org/Ipopt</a><br>

******************************************************************************<br>

<br>

Number of variables&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; :&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 4<br>

&nbsp;&nbsp; of which are fixed&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; :&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0<br>

Number of constraints&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; :&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 1<br>

Number of lower bounds&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; :&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 4<br>

Number of upper bounds&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; :&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3<br>

Number of nonzeros in Jacobian:&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 4<br>

Number of nonzeros in Hessian :&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 4<br>

<br>

ITER&nbsp;&nbsp;&nbsp;&nbsp; ERR&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; MU&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ||C||&nbsp;&nbsp;&nbsp; ||D||&nbsp;&nbsp; ALFA(X) #LS&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;

F&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Regu<br>

&nbsp;&nbsp;&nbsp; 0 .200E+02d .100E+00 .830E+01 .000E+00 .000E+00&nbsp;&nbsp; 0 0.11549921E+03

.000E+00<br>

&nbsp;&nbsp;&nbsp; 1 .999E+01d .100E+00 .752E+01 .666E+00 .930E-01h&nbsp; 1 0.11693020E+03

.100E+03<br>

&nbsp;&nbsp;&nbsp; 2 .100E+02d .100E+00 .746E+01 .256E+01 .759E-02h&nbsp; 1 0.11698136E+03

.333E+02<br>

&nbsp;&nbsp;&nbsp; 3 .208E+03d .100E+00 .506E+01 .778E+01 .100E+01f&nbsp; 1 0.99509892E+02

.111E+02<br>

&nbsp;&nbsp;&nbsp; 4 .733E+02d .100E+00 .202E+01 .196E+01 .100E+01h&nbsp; 1 0.10934095E+03

.296E+02<br>

&nbsp;&nbsp;&nbsp; 5 .743E+02d .100E+00 .132E+01 .115E+01 .100E+01h&nbsp; 1 0.12019884E+03

.790E+02<br>

&nbsp;&nbsp;&nbsp; 6 .202E+02d .100E+00 .653E+00 .886E+00 .100E+01f&nbsp; 1 0.11130700E+03

.000E+00<br>

&nbsp;&nbsp;&nbsp; 7 .658E+02p .100E+00 .658E+02 .563E+02 .999E+00f&nbsp; 1 0.57224133E+01

.000E+00<br>

&nbsp;&nbsp;&nbsp; 8 .995E+01p .100E+00 .995E+01 .668E+02 .932E+00f&nbsp; 1 0.10383396E+01

.000E+00<br>

&nbsp;&nbsp;&nbsp; 9 .154E+01p .100E+00 .154E+01 .135E+01 .100E+01h&nbsp; 1 0.16139967E+01

.000E+00<br>

<br>

ITER&nbsp;&nbsp;&nbsp;&nbsp; ERR&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; MU&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ||C||&nbsp;&nbsp;&nbsp; ||D||&nbsp;&nbsp; ALFA(X) #LS&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;

F&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Regu<br>

&nbsp;&nbsp; 10 .284E+00p .100E+00 .284E+00 .129E+01 .100E+01h&nbsp; 1 0.10375737E+01

.000E+00<br>

&nbsp;&nbsp; 11 .352E-01p .200E-01 .352E-01 .132E+01 .894E+00h&nbsp; 1 0.95303357E+00

.000E+00<br>

&nbsp;&nbsp; 12 .269E-02c .283E-02 .168E-02 .476E-01 .100E+01h&nbsp; 1 0.95638608E+00

.000E+00<br>

&nbsp;&nbsp; 13 .612E-04c .150E-03 .203E-04 .348E-01 .100E+01h&nbsp; 1 0.95366453E+00

.000E+00<br>

&nbsp;&nbsp; 14 .880E-07c .184E-05 .256E-07 .166E-02 .100E+01h&nbsp; 1 0.95353066E+00

.000E+00<br>

&nbsp;&nbsp; 15 .688E-11c .251E-08 .269E-11 .221E-04 .100E+01h&nbsp; 1 0.95352886E+00

.000E+00<br>

<br>

Number of iterations taken .............&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 15<br>

Final value of objective function is.... 0.9535288576748209E+00<br>

<br>

Errors at final point&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; (scaled)&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; (unscaled)<br>

Final maximal constraint violation is... 0.268651E-11&nbsp;&nbsp;&nbsp; 0.268651E-11<br>

Final value for dual infeasibility is... 0.574804E-12&nbsp;&nbsp;&nbsp; 0.574804E-12<br>

Final value of complementarity error is. 0.251278E-08&nbsp;&nbsp;&nbsp; 0.251278E-08<br>

<br>

The objective function was evaluated&nbsp;&nbsp;&nbsp;&nbsp; 16 times.<br>

The constraints were evaluated&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 16 times.<br>

<br>

EXIT: OPTIMAL SOLUTION FOUND<br>

<br>

CPU seconds spent in IPOPT and function evaluations =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.0000<br>

<br>

************************ CUTEr statistics ************************<br>

&nbsp;Code used&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; :&nbsp; IPOPT<br>

&nbsp;Problem&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; :&nbsp; HS65&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <br>

&nbsp;# variables&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3<br>

&nbsp;# constraints&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 1<br>

&nbsp;# objective functions&nbsp;&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.3300000E+02<br>

&nbsp;# objective gradients&nbsp;&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.1700000E+02<br>

&nbsp;# objective Hessians&nbsp;&nbsp;&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.1600000E+02<br>

&nbsp;# Hessian-vector prdct&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.0000000E+00<br>

&nbsp;# constraints functions =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.3400000E+02<br>

&nbsp;# constraints gradients =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.1700000E+02<br>

&nbsp;# constraints Hessians&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.1600000E+02<br>

&nbsp;Exit code&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0<br>

&nbsp;<b>Final f&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; =&nbsp;&nbsp; 0.9535289E+00</b><br>

&nbsp;Set up time&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.00 seconds<br>

&nbsp;Solve time&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; =&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.03 seconds<br>

******************************************************************<br>

<br>

<br>

<b>Results from LANCELOT:</b><br>

------------------------------------------------------------------------------<br>

[lihong@frosty]sampleproblems&gt; sdlan HS65<br>

<br>

&nbsp;Problem name: HS65&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; <br>

<br>

&nbsp;Double precision version will be formed. <br>

<br>

&nbsp;The objective function uses&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3 nonlinear groups<br>

&nbsp;<br>

&nbsp;There&nbsp; is&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 1 nonlinear inequality constraint <br>

&nbsp;<br>

&nbsp;There are&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3 variables bounded from below and above <br>

&nbsp;There&nbsp; is&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 1 slack variable <br>

&nbsp;<br>

&nbsp;<b>objective function value =&nbsp;&nbsp; 9.53529015445393E-01</b><br>

<br>

&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; X1&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3.65046164957023E+00<br>

&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; X2&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 3.65046164897452E+00<br>

&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; X3&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 4.62041746528368E+00<br>

&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; C1&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 0.00000000000000E+00<br>

<br>

<br>

<br>

Form the above, we may find the output objective<br>

function values from both IPOPT and LANCELOT<br>

converge. However, I hope I can also obtain the<br>

optimal variable values from IPOPT. I guess it is <br>

not a big deal. I maybe missed some switches. Does<br>

anybody have ideas and give me any hints? thanks.<br>

<br>

Best regards,<br>

<br>

Lihong<br>

<br>

</body>

</html>