CVXOPT solo resuelve problemas convexos (suaves y no suaves), dando acceso a varios solucionadores convexos de terceros con la complejidad más avanzada garantizada. Puede plantear restricciones lineales, cuadráticas convexas, semidefinidas lineales y muchos otros tipos convexos.
OpenOpt resuelve programas no lineales generales (suaves y no suaves), incluidos problemas con restricciones de enteros. A diferencia de CVXOPT, no tiene software para resolver programas semidefinidos. Todos los solucionadores fueron escritos por el propio Dmitrey Kroshko y no tienen una larga historia, por lo que las pruebas probablemente fueron limitadas. OpenOpt sí mismo _no- interfaz para solucionadores generales de terceros.
Sin embargo, existe el '' OpenOpt Framework '' (http://openopt.org/OOFramework) que interactúa con IPOPT (mencionado en otro comentario; no puede resolver problemas no suaves), CVXOPT y algunos otros solucionadores disponibles en Python.
Aparte de esta interfaz, no hay relación entre estos paquetes. Los métodos son completamente diferentes; Las únicas cosas comunes pueden ser el lenguaje Python y el acceso a LAPACK.
Para problemas convexos, también me gustaría recomendar
CVX: software de Matlab para la programación convexa disciplinada
http://cvxr.com/cvx ,
por el cual los autores obtuvieron el prestigioso Premio Beale-Hays-Orchard de este año a la Excelencia en Programación Matemática Computacional . Sin embargo, está escrito en Matlab.
También tienen una '' versión '' de Python llamada CVXPY
http://www.stanford.edu/~ttinoco/cvxpy/ , pero CVXPY es efectivamente una interfaz 'disciplinada' muy agradable y útil para CVXOPT, en la cual puede asegurarse de que cuando un programa es sintácticamente correcto es un problema de optimización convexo.
