最后介绍同时有等式约束和不等式约束的SQP解法。这里面的解法比之前的稍微复杂一点，用到了line search method以及BFGS下降。使用line search是为了增加搜索的鲁棒性，确保在任意的初始点都可以最后收敛到局部最优或者全局最优点。使用BFGS的作用是简化hessian的计算量。
解如下问题：
跟之前一样，这个问题的kkt条件为：
依旧是要找到x,lamda, mu的增量，是的下一步的位置能够逼近kkt条件。以上的KKT条件离散化后改写为：
这个KKT条件的源问题就是如下的QP问题：
去求解QP问题获得：
接下来更新x与之前有所区别：
这里的alpha确定的办法可以选择一种line search method获得。得到x_k+1后，Z_k+1使用BFGS获得：
z的初始值设为identity。
这个算法流程如下：
相关文章：