Estou procurando um pacote para me ajudar a resolver alguns problemas de otimização quadrática e vejo que há pelo menos meia dúzia de pacotes diferentes. De acordo com esta página:

QP (programação quadrática, 90C20): cplexAPI , kernlab , limSolve , LowRankQP , quadprog , Rcplex , Rmosek

Alguns deles (Rmosek e cplexAPI) dependem de outros pacotes proprietários, por isso não estou interessado neles.

Quais são as diferenças notáveis ​​entre os outros pacotes QP?

• Cplex (cplexAPI, Rcplex): não é de código aberto (mas há uma licença acadêmica anual renovável gratuita). Ele suporta matrizes esparsas. Foi o meu empacotador para o QP enquanto eu o estava usando. Lembre-se de que a licença acadêmica não permite usá-la em muitos núcleos (digamos mclapply()).
• O ipop (o do kernlab) é implementado em R. puro. Isso torna desnecessariamente lento em grandes aplicativos. Não suporta matrizes esparsas.
• O limSolve não resolve QP completo, apenas aqueles em que as restrições são do tipo igualdade. Nem todos os problemas de QP podem ser estruturados dessa maneira, mas quando podem, eles têm uma solução explícita. Não suporta matrizes esparsas.
• LowRankQP: este na minha experiência é bom (rápido comparado aos outros de código aberto). Não suporta matrizes esparsas.
• quadprog: implementação da linha de base do solucionador Goldfarb & Idnani Dual e Primal-Dual. Não suporta matrizes esparsas, mas é silencioso rapidamente para problemas de tamanho moderado.
• Rmosek: nunca tentei.

Editar.

Desde que escrevi esta resposta, um novo pacote, o ipoptr agora está disponível no R-forge. Este post do R-blogger compara o desempenho no QP puro com o quadprog. Em resumo, o ipoptr suporta trigêmeos de matriz esparsa e tende a ser muito mais rápido que o quadprod quando as matrizes de design são esparsas. Quando as matrizes de design são densas, o quadprog ainda parece ser significativamente mais rápido.