<html>

  <head>

    <meta http-equiv="content-type" content="text/html; charset=utf-8">

  </head>

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

    Hello,<br>

    <br>

    I am working on implementing IPOPT in a piece of software that has a

    need for very good performance. Unfortunately, it seems that right

    now my total run-time is about 80% in IPOPT (that number excludes

    the function evaluations, as well as any time setting up the

    problem, etc.). For me to put IPOPT to good use, I'm hoping to make

    it run more efficiently, and even out the workload between IPOPT and

    the function evaluations, preferably shifting the work to the

    function evaluations as much as possible.<br>

    <br>

    Originally, I was using the BLAS/LAPACK that can be installed with

    IPOPT. In an attempt to improve performance, I switched to OpenBLAS.

    To my confusion, performance did not change at all. This is leading

    me to believe that something other than the BLAS library is

    dominating the cost. (I am certain I properly removed the old

    libraries when switching BLAS implementation) I'm not sure how to

    effectively narrow down where IPOPT is spending most of it's time,

    and how to subsequently improve that performance.<br>

    <br>

    I've made sure to try the ma27, ma57, ma77, ma86, ma97, and mumps

    solvers. Performance varies among them, but 80% of the time spent in

    IPOPT is the best result I achieve (which is typically with ma27 or

    ma57, the other solvers are closer to 90%). I've also made sure to

    try problems as small as 500 variables and 400 constraints, to as

    large as 110 000 variables and 80 000 constraints (and many points

    in between those extremes). Performance is very consistent across

    that range (for a given solver), again regardless of the BLAS

    library being used. I've been doing this using the quasi-Newton

    approximation for the Hessian, which I was hoping to get away with,

    but I suppose this may put a lot of work into IPOPT's side of the

    court. I'll also mention that I'm calling IPOPT through the PyIPOPT

    module (though I'm expecting this to create only a small, fixed

    overhead). <br>

    <br>

    If you have any thoughts on why IPOPT might be hogging such a large

    fraction of my total run-time, and/or how I could improve this (or

    determining if this might be entirely unavoidable), I would greatly

    appreciate it! (and of course I'd be happy to provide additional

    information if that would be useful)<br>

    <br>

    Best regards,<br>

    <br>

    Jon<br>

    <meta http-equiv="content-type" content="text/html; charset=utf-8">

  </body>

</html>