开源二次规划求解器
OSQP（Operator Splitting Quadratic Program）是一个面向凸二次规划（QP）的数值优化求解器，用于求解带线性约束的二次目标问题。它不是通用低代码平台或云 API，而是开发者可集成到工程系统、科研代码和嵌入式应用中的优化库。代码在 GitHub 可用，采用 Apache 2.0 许可证。
从功能看，OSQP 使用定制的 ADMM 一阶方法，设置阶段只需要一次矩阵分解，后续计算较轻量，并结合自定义稀疏线性代数例程利用问题数据结构。它强调鲁棒性：setup 后算法无除法操作，只要求问题为凸问题；同时能检测原始不可行和对偶不可行。对参数化问题，OSQP 支持 warm start，并可缓存矩阵分解，适合反复求解相似优化问题。
OSQP 的接口覆盖面较广，正文提到 C、C++、Fortran、Matlab、Python、R、Julia、Ruby、Rust 等语言。它还支持生成定制化嵌入式 C 代码，且无需内存管理器，适合嵌入式控制、机器人、实时优化等资源受限场景。另一个明显优点是 library-free：运行不依赖外部库，有助于降低部署和移植复杂度。文档包含入门、接口、解析器、代数后端、代码生成、示例、高级特性和迁移指南，结构较完整。
OSQP 明确声明免费且将始终免费，许可证为 Apache 2.0，因此性价比很高，也方便商业与学术项目采用。支持渠道主要是 GitHub issue、GitHub Discussions 或论坛，适合开源社区协作；但正文未显示商业支持、企业 SLA 或付费咨询方案。
优点是免费开源、多语言、可嵌入、无需外部库、对参数化 QP 友好，并具备不可行性检测。限制也很清楚：它专注凸二次规划，不覆盖一般非凸优化或所有数学规划类型；性能 benchmark 虽被提及，但抓取正文未展示具体数据。它最适合需要在 Python/Matlab/Julia 中建模验证、再落地到 C/C++ 或嵌入式系统的优化开发者，以及控制、机器人、金融优化和科研用户。
正文未提供中国大陆访问、镜像、下载源或支付信息。由于其主要依赖官网文档与 GitHub 生态，实际访问体验可能受网络环境影响；如 GitHub 访问不稳定，可考虑从可用镜像或源码包方式集成。
本测评基于公开资料整理,不构成购买建议,请以 osqp.org 官网实际信息为准。
数学优化开源项目，适合科研与工程建模。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。