.png){kind=icon}
返回
QOCO-GPU: a quadratic objective conic optimizer with GPU acceleration
.png){kind=icon}
PRE
AI
DOI：10.1007/s12532-026-00338-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种针对QOCO的GPU加速后端，QOCO是一个基于原始-对偶内点法的C语言实现二次目标二次锥规划（SOCP）求解器。我们的后端使用NVIDIA的cuDSS库在每个迭代中执行KKT系统的直接稀疏$$LDL^\top $$分解。我们还开发了针对锥运算的自定义CUDA内核，并表明并行化这些运算是实现峰值性能的关键。此外，我们对QOCO进行了重构，引入了模块化后端抽象，将求解器逻辑与底层线性代数实现解耦，使得现有的CPU和新GPU后端能够共享统一的代码库。该GPU后端可通过直接的Python接口和CVXPY访问，便于使用。在具有数千万到数亿非零元素的KKT矩阵的各类大规模二次规划和SOCP上的数值实验表明，与CPU实现相比，加速比最高可达50–70倍。
期刊
IF:
3.6
论文数:
199
被引数:
1.9K
机构
引用论文
QOCO: a quadratic objective conic optimizer with custom solver generationQOCO：一种具有自定义求解器生成的二次目标锥优化器
PREAI
分享收藏
cuPDLP.jl: A GPU Implementation of Restarted Primal-Dual Hybrid Gradient for Linear Programming in JuliacuPDLP.jl: 线性规划中重启原始-对偶混合梯度法的GPU实现（Julia语言）.png)
OPERATIONS RESEARCH
OPERATIONS RESEARCHIF2.6
PREAI
分享收藏
查看更多内容