cv::DownhillSolver 类参考

此类用于执行函数的非线性无约束最小化，. 更多...

#include <opencv2/core/optim.hpp>

cv::DownhillSolver 的协作图

公有成员函数
virtual void	getInitStep (OutputArray step) const =0
	返回在下坡单纯形算法中使用的初始步长。
virtual void	setInitStep (InputArray step)=0
	设置在下坡单纯形算法中使用的初始步长。
从 cv::MinProblemSolver 继承的公有成员函数
virtual Ptr< Function >	getFunction () const =0
	优化函数的获取器。
virtual TermCriteria	getTermCriteria () const =0
	获取先前为该算法设置的终止条件。
virtual double	minimize (InputOutputArray x)=0
	实际运行算法并执行最小化。
virtual void	setFunction (const Ptr< Function > &f)=0
	优化函数的设置器。
virtual void	setTermCriteria (const TermCriteria &termcrit)=0
	设置求解器的终止条件。
从 cv::Algorithm 继承的公有成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在最开始或读取失败后），则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储器中读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储器中。
void	write (FileStorage &fs, const String &name) const

静态公有成员函数
static Ptr< DownhillSolver >	create (const Ptr< MinProblemSolver::Function > &f=Ptr< MinProblemSolver::Function >(), InputArray initStep=Mat_< double >(1, 1, 0.0), TermCriteria termcrit=TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5000, 0.000001))
	此函数返回对可直接使用的 DownhillSolver 对象的引用。
从 cv::Algorithm 继承的静态公有成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串中加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点中读取算法。

额外继承的成员
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

此类用于执行函数的非线性无约束最小化，.

在 n 维欧几里得空间上定义，使用 **Nelder-Mead 方法**，也称为 **下坡单纯形方法**。有关该方法的基本思想，请参见 http://en.wikipedia.org/wiki/Nelder-Mead_method.

需要注意的是，该方法虽然是确定性的，但它更像是一种启发式方法，因此可能会收敛到局部最小值，而不一定是全局最小值。它是一种迭代优化技术，在每一步中都利用了仅在 n+1 个点上评估的函数值信息，这些点以 n 维空间中的单纯形排列（因此该方法的第二个名称）。在每一步中，都会选择一个新的点来评估函数，获得的值与先前的值进行比较，并根据此信息，单纯形会改变其形状，缓慢地移动到局部最小值。因此，该方法只使用函数值来做出决策，与非线性共轭梯度法（同样在 optim 中实现）形成对比。

Algorithm 在执行的函数评估次数超过 termcrit.maxCount 时停止，当单纯形顶点的函数值在 termcrit.epsilon 范围内或单纯形变得如此小，以至于可以包含在具有 termcrit.epsilon 边长的盒子中时停止，以先发生者为准，其中 termcrit.maxCount 是用户定义的正整数，termcrit.epsilon 是正的非整数。

注意

DownhillSolver 是抽象接口 cv::MinProblemSolver 的派生类，后者又派生自 Algorithm 接口，用于封装 optim 模块中所有非线性优化算法共有的功能。

终止条件应满足以下条件

termcrit.type == (TermCriteria::MAX_ITER + TermCriteria::EPS) && termcrit.epsilon > 0 && termcrit.maxCount > 0

成员函数文档

create()

static Ptr< DownhillSolver > cv::DownhillSolver::create ( const Ptr< MinProblemSolver::Function > &  f = Ptr< MinProblemSolver::Function >(), InputArray  initStep = Mat_< double >(1, 1, 0.0), TermCriteria  termcrit = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5000, 0.000001)  )

static

此函数返回对可直接使用的 DownhillSolver 对象的引用。

所有参数都是可选的，因此即使没有参数，也可以调用此过程。在这种情况下，将使用默认值。由于终端标准的默认值是唯一明智的，因此如果相应的参数没有传递给 MinProblemSolver::setFunction() 和 DownhillSolver::setInitStep()，则应在获得的对象上调用它们。否则，这两种方法（向 createDownhillSolver() 传递参数或省略它们并调用 MinProblemSolver::setFunction() 和 DownhillSolver::setInitStep()）绝对等效（并且如果检测到无效输入，将以相同的方式抛出相同的错误）。

参数

f	指向将被最小化的函数的指针，类似于您通过 MinProblemSolver::setFunction 提交的函数。
initStep	初始步长，用于构建初始单纯形，类似于您通过 MinProblemSolver::setInitStep 提交的步长。
termcrit	算法的终止标准，类似于您通过 MinProblemSolver::setTermCriteria 提交的标准。

getInitStep()

virtual void cv::DownhillSolver::getInitStep ( OutputArray  step ) const

pure virtual

返回在下坡单纯形算法中使用的初始步长。

参数

step	算法中使用的初始步长。请注意，尽管相应的设置器接受列向量和行向量，但此方法将返回一个行向量。

另请参见

DownhillSolver::setInitStep

setInitStep()

virtual void cv::DownhillSolver::setInitStep ( InputArray  step )

pure virtual

设置在下坡单纯形算法中使用的初始步长。

步长，连同初始点（在 DownhillSolver::minimize 中给出）是两个用于确定初始单纯形形状的 n 维向量。简而言之，初始点决定单纯形的位移（它将成为单纯形的质心），而步长决定单纯形的扩展（每个维度的尺寸）。更准确地说，如果 \(s,x_0\in\mathbb{R}^n\) 分别是初始步长和初始点，则单纯形的顶点将是：\(v_0:=x_0-\frac{1}{2} s\) 和 \(v_i:=x_0+s_i\) 对于 \(i=1,2,\dots,n\)，其中 \(s_i\) 表示初始步长在 n 维坐标上的投影（投影的结果被视为由 \(s_i:=e_i\cdot\left<e_i\cdot s\right>\) 给出的向量，其中 \(e_i\) 形成规范基)

参数

step	算法中使用的初始步长。简而言之，它决定初始单纯形的扩展（每个维度的尺寸）。

---

此类的文档是从以下文件生成的

• opencv2/core/optim.hpp