#ifndef INCLUDE_PROGRAM
#define INCLUDE_PROGRAM

#include "IpTNLP.hpp"
#include <armadillo>
#include "GPM.h"
using namespace arma;
using namespace Ipopt;

/*
	MyNLP实现了一个C ++示例，该示例显示了如何通过TNLP接口与IPOPT接口。
	本示例旨在与教程文档一起使用（请参阅示例/ CppTutorial /）。
	此类实现以下NLP。
	
	min_x f(x) = -(x2-2)^2
	s.t.
	     0 = x1^2 + x2 - 1
	     -1 <= x1 <= 1
	
 */
class Program : public TNLP
{	
	public:
		/* 默认构造函数 */
		Program();
		
		/* 默认析构函数 */
		virtual ~Program();

		/* 从TNLP重载 */
		/* 
		返回有关nlp的一些信息的方法 
			n ：（输出），问题中变量的数量（x的维）。
			m ：（输出），问题中约束的数量（g（x）的维）。
			nnz_jac_g ：	（输出），雅可比行列中非零条目的数量。
			nnz_h_lag ：	（输出），Hessian中非零条目的数量。
			IndexStyleEnum：（输出），用于稀疏矩阵格式的行/列条目的编号样式（C样式：基于0； FORTRAN样式：基于1；另请参见附录A）。
		Ipopt在分配数组时会使用此信息，稍后它将要求您填充值。 请谨慎使用此方法，因为不正确的值将导致可能很难找到的内存错误。
		*/
		virtual bool get_nlp_info(Index& n, Index& m, Index& nnz_jac_g,
								Index& nnz_h_lag, IndexStyleEnum& index_style);


		/* 
		返回问题界限的方法 
			n ：  （输入），问题中的变量数（x的维数）。
			x_l ：（输出），x的下限xL。
			x_u ：（输出），x的上限xU。
			m ：  （输入），问题中的约束个数（g（x）的维）。
			g_l ：（输出），g（x）的下限gL。
			g_u ：（输出），g（x）的上限gU。
		您在get nlp info中指定的n和m值将传递给您进行调试检查。 
		将下界设置为小于或等于选项nlp_lower_bound_inf将导致Ipopt假定没有下界。 
		同样，指定大于或等于选项nlp_upper_bound_inf将使Ipopt假定没有上限。 
		默认情况下，这些选项（nlp_lower_bound_inf 和 nlp_upper_bound_inf）分别设置为-10^19和10*19，但可以通过更改选项进行修改。
		*/
		virtual bool get_bounds_info(Index n, Number* x_l, Number* x_u,
								   Index m, Number* g_l, Number* g_u);


		/* 
		返回算法起点的方法 
			n ：		（输入），问题中的变量数（x的维数）。
			init_x ：	（输入），如果为true，则此方法必须为x提供初始值。
			x ：		（输出），原始变量x的初始值。
			init_z ：	（输入），如果为true，则此方法必须为边界乘数zL和zU提供一个初始值。
			z_L ：		（输出），边界乘数zL的初始值。
			z_U ：		（输出），边界乘数zU的初始值。
			m ：		（输入），问题中的约束个数（g（x）的维）。
			init_lambda:（输入），如果为true，则此方法必须为约束乘数λ提供初始值。
			lambda ：	（输出），约束乘数的初始值λ
		为方便起见，传递了变量n和m。
		这些变量将具有您在get nlp info中指定的相同值。 
		根据已设置的选项，Ipopt可能会或可能不需要原始变量x，边界乘数zL和zU以及约束乘数λ的边界。 
		布尔标志init_x，init_z和init_lambda告诉您是否应分别为x，zL，zU或λ提供初始值。 
		默认选项只需要初始变量x的初始值。 
		请注意，“无穷大”边界（x（Li）=-∞或x（Ui）=∞）的边界乘数分量的初始值将被忽略
		*/
		virtual bool get_starting_point(Index n, bool init_x, Number* x,
									  bool init_z, Number* z_L, Number* z_U,
									  Index m, bool init_lambda,
									  Number* lambda);


		/* 
		返回目标值的方法
			n ：		（输入），问题中的变量数（x的维数）。
			x ：		（输入），原始变量x的值,将在此求f（x）。
			new_x ：	（输入），如果先前使用x中相同的值调用了任何评估方法，则为false，否则为true。
			obj_value：	（输出）, 目标函数的值（f（x））。
		如果最后一次对任何评估方法（eval *）的调用使用相同的x值，则布尔变量new_x将为false。 
		当用户具有可以一次计算多个输出的高效实现时，这将很有帮助。 
		Ipopt在内部缓存TNLP的结果，通常可以忽略此标志。 
		为方便起见，传入了变量n。 此变量将具有您在get_nlp_info中指定的相同值。
		*/
		virtual bool eval_f(Index n, const Number* x, bool new_x, Number& obj_value);


		/* 
		返回指标梯度的方法
			n ：	（输入），问题中的变量数（x的维数）。
			x ：	（输入），原始变量x的值，应在其中求出梯度。
			new_x ：（输入），如果先前使用x中相同的值调用了任何评估方法，则为false，否则为true。
			grad_f:	（输出），目标函数梯度的值。
		梯度数组与x变量的顺序相同（即，性能指标相对于x[2]的梯度应放在grad_f[2]中）。
		如果最后一次对任何评估方法（eval *）的调用使用相同的x值，则布尔变量new x将为false。 
		当用户具有可以一次计算多个输出的高效实现时，这将很有帮助。 
		Ipopt在内部缓存TNLP的结果，通常可以忽略此标志。 
		为方便起见，传入了变量n。 此变量将具有您在get_nlp_info中指定的相同值。
		*/
		virtual bool eval_grad_f(Index n, const Number* x, bool new_x, Number* grad_f);


		/* 
		返回约束残差的方法 
			n ：	（输入），问题中的变量数（x的维数）。
			x ：	（输入），原始变量x的值，将以此计算约束函数g（x）。
			new_x ：（输入），如果先前使用x中相同的值调用了任何评估方法，则为false，否则为true。
			m ：	（输入），问题中的约束个数（g（x）的维）。
			g ：	（输出），约束函数值的数组，g（x）
		g中返回的值应仅为g（x）值，请勿加或减边界值gL或gU。 
		如果最后一次对任何评估方法（eval *）的调用使用相同的x值，则布尔变量new x将为false。 
		当用户具有可以一次计算多个输出的高效实现时，这将很有帮助。 
		Ipopt在内部缓存TNLP的结果，通常，此标志可以忽略
		为方便起见，传递了变量n和m。 这些变量将具有您在get nlp info中指定的相同值。
		*/
		virtual bool eval_g(Index n, const Number* x, bool new_x, Index m, Number* g);


		/* 该方法返回如下值：
			1) 雅可比矩阵的结构 ( 如果 "values" 为 NULL)
			2) 雅可比的值       ( 如果 "values" 不为 NULL)
			n ：		（输入），问题中的变量数（x的维数）。
			x：			（输入），原始变量x的值，在该变量上求约束Jacobian。
			new_x ：	（输入），如果先前使用x中相同的值调用了任何评估方法，则为false，否则为true。
			m ：		（输入），问题中的约束个数（g（x）的维）。
			n_ele_jac ：（输入），雅可比行列中非零元素的数量（iRow，jCol和值的维）。
			iRow ：		（输出），约束的雅可比行中条目的行索引。
			jCol ：		（输出），约束的雅可比行中条目的列索引。
			values ：	（输出），约束的雅可比行列中的条目的值。
		雅可比行列式是导数矩阵，其中约束g（i）相对于变量x（j）的导数位于第i行和第j列。
		有关此方法中使用的稀疏矩阵格式的讨论，请参见附录A。
		如果iRow和jCol参数不为NULL，则Ipopt希望您填写Jacobian的稀疏结构（仅行和列索引）。此时，x参数和values参数将为NULL。
		如果x参数和values参数不为NULL，则Ipopt希望您填写从数组x计算得出的Jacobian值（使用与指定稀疏结构时相同的顺序）。
		此时，iRow和jCol参数将为NULL；如果最后一次对任何评估方法（eval *）的调用使用相同的x值，则布尔变量new x将为false。
		当用户具有可以一次计算多个输出的高效实现时，这将很有帮助。
		Ipopt在内部缓存TNLP的结果，通常可以忽略此标志。
		为方便起见，传递了变量n，m和nele jac。这些参数将具有您在获取nlp信息中指定的值。
		*/
		virtual bool eval_jac_g(Index n, const Number* x, bool new_x,
							  Index m, Index nele_jac, Index* iRow, Index *jCol,
							  Number* values);

		/* 该方法返回如下值：
			1) 拉格朗日海森矩阵的结果 (如果 "values" 为 NULL)
			2) 拉格朗日海森矩阵的值   (如果 "values" 不为 NULL)
			n ：		（输入），问题中的变量数（x的维数）。
			x ：		（输入），原始变量x的值，将在该变量上评估Hessian。
			new x ：	（输入），如果先前使用x中相同的值调用了任何评估方法，则为false，否则为true。
			obj factor:	（输入），在黑森州，sigmaf中，位于客观术语前面的因子。
			m ：		（输入），问题中的约束个数（g（x）的维）。
			lambda ：	（输入），用于在其上评估Hessian的约束乘数λ的值。
			new lambda:	（输入），如果先前使用lambda中的相同值调用了任何评估方法，则为false，否则为true。
			nele hess ：（输入），黑森矩阵非零元素的数量（iRow，jCol和值的维）
			iRow ：		（输出），黑森矩阵条目的行索引。
			jCol ：		（输出），黑森矩阵条目的列索引。
			values ：	（输出），黑森矩阵中条目的值。
		Ipopt使用的Hessian矩阵在等式中 9.有关此方法中使用的稀疏对称矩阵格式的讨论，请参见附录A。
		如果iRow和jCol参数不为NULL，则Ipopt希望您填写Hessian的稀疏结构（仅下部三角形或上部三角形的行和列索引）。
			在这种情况下，x，lambda和values数组将为NULL。
		如果x，lambda和values数组不为NULL，则Ipopt希望您填写使用x和lambda计算的Hessian值（使用与指定稀疏结构时相同的顺序）。
			在这种情况下，iRow和jCol参数将为NULL。
		如果对任何评估方法（eval *）的最后一次调用使用相同的值，则布尔变量new x和new lambda都将为false。
		当用户有足够的执行能力可以一次计算多个输出时，这将很有帮助。 
		Ipopt在内部缓存TNLP的结果，通常可以忽略此标志。
		为方便起见，传递了变量n，m和nele hess。这些参数将具有您在get nlp info中指定的相同值。
		*/
		virtual bool eval_h(Index n, const Number* x, bool new_x,
						  Number obj_factor, Index m, const Number* lambda,
						  bool new_lambda, Index nele_hess, Index* iRow,
						  Index* jCol, Number* values);

		/* 
		解决方法
			算法完成后将调用此方法，以便TNLP可以存储/写入解决方案 
			status ：（输入），给出IpAlgTypes.hpp中指定的算法状态，
				–SUCCESS：					算法在局部最优点成功终止，满足收敛容限（可以通过选项指定）。
				–MAXITER EXCEEDED：		超过最大迭代次数（可以通过选项指定）。
				–STOP AT TINY STEP：		算法进展甚微。
				–STOP AT ACCEPTABLE POINT：算法在收敛点停止，而不是收敛到“期望的”公差，而是达到“可接受的”公差（请参阅accept -...选项）。
				–LOCAL INFEASIBILITY：		算法收敛到局部不可行点。问题可能不可行。
				–USER REQUESTED STOP：		用户回调函数中间回调（请参阅第3.3.4节）返回false，即用户代码请求过早终止优化。
				–DIVERGING ITERATES：		迭代似乎是发散的。
				–RESTORATION FAILURE：		恢复阶段失败，算法不知道如何继续。
				–ERROR IN STEP COMPUTATION：Ipopt尝试计算搜索方向时发生不可恢复的错误。
				–INVALID NUMBER DETECTED：	算法从NLP接收到无效数字（例如NaN或Inf）；另请参阅naninf的选项检查派生工具。	
				–INTERNAL ERROR：			发生未知的内部错误。 请通过邮件列表联系Ipopt作者。
			n ：		（输入），问题中的变量数（x的维数）。
			x ：		（输入），原始变量x ∗的最终值。
			z L ：		（输入），下界乘数的最终值zL。
			z U ：		（输入），上限乘数zU的最终值。
			m ：		（输入），问题中的约束个数（g（x）的维）。
			g ：		（输入），约束函数值的最终值g（x ∗）。
			lambda ：	（输入），约束乘数的最终值λ。
			obj_value：	（输入），目标的最终值f（x）。
			为专业用户提供了ip_data和ip_cq。
		*/
		virtual void finalize_solution(SolverReturn status,
									 Index n, const Number* x, const Number* z_L, const Number* z_U,
									 Index m, const Number* g, const Number* lambda,
									 Number obj_value,
					 const IpoptData* ip_data,
					 IpoptCalculatedQuantities* ip_cq);
	public:
		static vec x;			// 当前点的值
		static vec z_L;			// 变量乘子下限
		static vec z_U;			// 变量乘子上限
		static vec lambda;		// 约束乘子
	private:
		/* 阻止默认编译器方法的方法。
		编译器自动生成以下三种方法。
		由于默认编译器实现通常不是您想要的（对于所有类，而是最简单的类），因此我们通常将这些方法的声明放在private节中，而不用实现它们。
		这可以防止编译器在我们不知道的情况下实现错误的“默认”行为。 （请参阅Scott Meyers的书“有效的C ++”）	*/
		Program(const Program&);
		Program& operator=(const Program&);
};
#endif