看到了这篇博客无人车系统（十）：c++与python非线性规(优)划（化）工具
突然发现python也有mpc工具，所以干脆不用matlab了，直接使用python做mpc的轨迹跟踪。

pyomo的简单了解

pyomo的安装

在VSCode上面安装了半天，各种BUG，最后还是先安装了Ananconda，然后再安装pyomo

在Ubuntu20.04 + Anaconda环境下安装pyomo与ipopt：

conda update conda
conda install -c conda-forge ipopt
conda install -c conda-forge coincbc
conda install -c conda-forge pyomo
conda install -c conda-forge pyomo.extras

Anaconda与ros结合使用

在调好Anaconda之后打开VSCode，使用roscore命令会报错：

Command 'roscore' not found, but can be installed with:sudo apt install python3-roslaunch

这个时候

source ./devel/setup.bash

一下就好了
而且发现也可以使用rosrun，Anaconda里面的包也都可以使用。

基本使用

官网：pyomo之后有空会翻译一下。

例子

尝试解决优化问题：
$$\begin{gathered} minimize{x}_1{x}_4(x_1+x_2+x_3)+x_3 \\ s.t.x_1{x}_2{x}_3{x}_4\ge 25 \\ {x}_1^2+x_2^2+x_3^2+x_4^2=40 \\ 1\le x_1,x_2,x_3,x_4\le 5 \end{gathered}$$

import numpy as np
from pyomo.environ import *
from pyomo.dae import *model = ConcreteModel()
model.x = Var(RangeSet(1, 4), bounds=(1, 5))
model.cons1 = Constraint(rule=lambda model: 40==model.x[1]**2+model.x[2]**2+model.x[3]**2+model.x[4]**2)
model.cons2 = Constraint(rule=lambda model: 25<=model.x[1]*model.x[2]*model.x[3]*model.x[4])
model.obj = Objective(expr = model.x[1]*model.x[4]*(model.x[1] + model.x[2] + model.x[3]) + model.x[3], sense=minimize) 
SolverFactory('ipopt').solve(model)
solutions = [model.x[i]() for i in range(1, 5)]
print("solutins is :"+str(solutions))