COIN-OR是 Operations Research Computational Infrastructure的缩写，这是一个致力于"为公开文献上数学理论之数学软件而建立"的专案。COIN-OR由作业研究与管理科学协会INFORMS主持，并由教育性，非营利的COIN-OR基金会营运。地址为：https://github.com/coin-or/COIN-OR-OptimizationSuite，下载地址为https://www.coin-or.org/download/binary/CoinAll/
COIN-OR包含了Parallel search、Branch and cut (and price)、Decomposition-based algorithms等等框架，无论是学习研究还是工业应用，都有很大的空间。这里有一个入门教程：https://coin-or.github.io/user_introduction。这里粘贴复制一下官网上目前已经有的专案，各专案之间还有各种依赖关系，真是令人眼花缭乱：
CLP：COIN LP Solver，是一套以 C++ 写的开放源码LP求解软件，主要使用单纯形法。
DyLP：Dynamic simplex method LP Solver，如其名。
SYMPHONY：用branch&cut和branch&price求解 MILP的程式库；CBC：COIN Branch and Cut，是一套以C++写的开放源码MILP求解软件；CGL：cut生成器。
BLIS：并行IP求解器测试框架。
IPOPT：IP是interior point的缩写。IPOPT是以c和Fortran写的内点法求解软件，用于连续变量的优化问题求解。
DFO、RBFOpt：derivative free optimization，无梯度优化求解器。
CSDP：半正定求解器。
OBOE：基于oracle的优化引擎。
FilterSD: 线性约束的非线性优化问题求解器。
OptiML：机器学习的内点法、有效集法求解器。
qpOASES: 有效集法求解QP问题。
Bonmin：基本的求解器，用于凸问题。
Couenne：用于非凸问题求解。
LaGO：使用拉格朗日法求解非凸问题的方法
DisCO: 离散锥优化。
MibS: 混合整数双层优化。
SHOT: 基于polyhedral outer approximation and primal heuristics的近似求解器。
FLOPC++/Rehearse: 基于C++的建模语言。
jORLib：基于java开发的建模语言
PuLP/Coopr/Pyomo/Yaposib/CyLP：基于python的建模语言，可以生成MPS或者LP文件，然后调用求解器求解。Coopr和Pyomo类似，但是功能更多一些，包含了非线性的建模语言；Yaposib是Yet Another Python OSI Binding，只能说python太受欢迎了；CyLP是CBC和Clp的python接口。
SolverStudio：类似excel的建模软件。
CMPL: 一个代数建模语言。
jMarkov：基于java的Markov chain建模语言。
DipPy：基于python的decomposition框架，没有Py的Dip则是使用c++编写的decomposition框架。
SMI：基于C++的随机规划建模与求解软件。
CoinBazaar：包含了很多案例。
OS：（Optimization Services）远程求解服务。
GAMSlinks/AiMMSLinks/MSFlinks（微软求解器）：连接建模语言与COIN-OR求解器。
CoinMP：将CLP和CBC又封装了一层，提供了类似cplex的Api。
Paver：用于比较结果的python接口
ABACUS：基于LP的branch-and-cut框架。
Bcp: 通用的branch, cut, and price框架。
CHiPPS: 并行树搜索框架。
DIP: 如1.4部分介绍，是一个decomposition算法的框架。
ADOL-C、CppAD：基于C和C++的自动微分的框架。话说现在能自动微分的框架太多了。
PFunc: 基于C和C++的轻量并行求解框架。
Djinni: 基于C++的启发式算法框架，有python接口。
METSlib: 基于C++的元启发算法框架。
QAPSolver：二次分配问题求解器。
GiMPy、GrUMPy：基于python的图建模软件。包含了常见的图算法，可以绘制出branch&bound树。
Cgc：Coin的图类
LEMON：网络优化库
CoinUtils：提供文件解析、内存管理、基本数据结构等。
Osi：开源求解器接口，提供求解参数调整、松弛变量管理、cut和column管理等。
CGL
IPOPT在可行域内探索，并保留一阶和二阶(Hessians)矩阵，使用primal-dual interior point method，搜索使用Filter methods。如果没有给定初始Hessians阵，IPOPT会使用quasi-Newton方法来近似求解，更新使用BFGS法。此专案曾获得2009年INFORMS Computing Society Prize。令人惊讶的是，这个专案竟然是卡耐基梅隆大学化学工程专业的PHD学生写的。
原本IPOPT只能求解连续变量问题。在IPOPT的基础上，Arvind Raghunathan开发出了MPEC（Mathematical programming with equilibrium constraints），也叫IPOPT-C (C代表’complementarity’)，可以用来求解混合整数规划问题。非常有前途，可以研究一下。
Symphony是Single or multi process optimization over networks的简称，用c编写，地址为：https://github.com/coin-or/SYMPHONY。
Symphony主要解决整数规划问题，使用branch&cut&price方法，与branch&bound很类似，只是额外加上了cutting-plane method和pricing algorithm。Symphony会自动管理树搜索、cut池管理、通信管理等等，使用者可以自定义branching规则、cutting planes等等。
Symphony支持并行计算，通信协议为PVM格式，输入数据格式为MPS或是GNU MathProg格式。Symphony没有线性规划求解模块，除了使用套装的CLP，也可以使用cplex、xpress等来求解背后的线性规划问题。Symphony的cut生成使用的是套装里的CGL专案。
Symphony针对traveling salesman problem, vehicle routing problem, set partitioning problem, mixed postman problem等有专门的结构。
PuLP是python语言包，它是SolverStudio的默认框架。PuLP只是一套接口语言，后面还是要使用GLPK、CLP/CBC、Cplex、Gurobi等来进行求解。
PuLP可以保存或者读取MPS、LP文件格式。