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

公共成员函数
virtual void	getInitStep (OutputArray step) const =0
	返回在下坡单纯形算法中将使用的初始步长。
virtual void	setInitStep (InputArray step)=0
	设置在下坡单纯形算法中将使用的初始步长。
从 cv::MinProblemSolver 继承的公共成员函数
virtual Ptr< Function >	getFunction () const =0
	被优化函数的 Getter。
virtual TermCriteria	getTermCriteria () const =0
	此算法先前设置的终止准则的 Getter。
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
	被优化函数的 Setter。
virtual void	setTermCriteria (const TermCriteria &termcrit)=0
	设置求解器的终止准则。
从 cv::Algorithm 继承的公共成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在开始时或读取失败后），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中。
void	write (FileStorage &fs, const String &name) const

静态公共成员函数
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))
	此函数返回对可立即使用的 DownhillSolver 对象的引用。
从 cv::Algorithm 继承的静态公共成员函数
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())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

其他继承成员
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。

该函数定义在n维欧几里得空间上，使用 **Nelder-Mead 方法**，也称为下坡单纯形法。有关该方法的基本思想，请参考 http://en.wikipedia.org/wiki/Nelder-Mead_method。

需要注意的是，此方法虽然确定性，但更像是一种启发式方法，因此可能收敛到局部最小值，而不一定是全局最小值。它是一种迭代优化技术，在每一步都使用仅在n+1个点处评估的函数值的信息，这些点在n维空间中排列成一个单纯形（因此该方法的第二个名称）。在每一步中，选择一个新的点来评估函数，将获得的值与之前的进行比较，并根据此信息更改单纯形的形状，缓慢地移动到局部最小值。因此，此方法仅使用函数值来做出决策，这与非线性共轭梯度法（也实现于optim中）相反。

Algorithm 在函数评估次数超过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之小时，它可以包含在一个具有termcrit.epsilon边的框中，无论哪个先发生，对于用户定义的正整数termcrit.maxCount和正非整数termcrit.epsilon。

注意

DownhillSolver 是抽象接口 cv::MinProblemSolver 的一个派生类，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) )

静态

此函数返回对可立即使用的 DownhillSolver 对象的引用。

所有参数都是可选的，因此即使根本没有参数，也可以调用此过程。在这种情况下，将使用默认值。由于终止条件的默认值是唯一合理的，因此如果未向create()提供相应参数，则应在获得的对象上调用 MinProblemSolver::setFunction() 和 DownhillSolver::setInitStep()。否则，这两种方法（向createDownhillSolver()提供参数或省略它们并调用 MinProblemSolver::setFunction() 和 DownhillSolver::setInitStep()）是完全等效的（并且会以相同的方式引发相同的错误，如果检测到无效输入）。

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，将用于构建初始单纯形，类似于您通过MinProblemSolver::setInitStep提交的步长。
termcrit	算法的终止条件，类似于您通过 MinProblemSolver::setTermCriteria 提交的条件。

getInitStep()

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

纯虚函数

返回在下坡单纯形算法中将使用的初始步长。

参数

step	算法中将使用的初始步长。请注意，尽管相应的setter既接受列向量也接受行向量，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 )

纯虚函数

设置在下坡单纯形算法中将使用的初始步长。

步长与初始点（在DownhillSolver::minimize中给出）是两个n维向量，用于确定初始单纯形的形状。粗略地说，初始点确定单纯形的位置（它将成为单纯形的质心），而步长确定单纯形的扩展（每个维度的大小）。更精确地说，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 \(s_i\) 表示初始步长在第n个坐标上的投影（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 \(e_i\) 构成规范基）

参数

step	算法中将使用的初始步长。粗略地说，它决定了初始单纯形的扩展（每个维度的大小）。

---

此类的文档是从以下文件生成的：

• opencv2/core/optim.hpp