cv::DownhillSolver 类参考

此类用于执行函数的非线性非约束最小化。 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
	返回下山单纯形算法中将使用的初始步长。
virtual void	setInitStep (InputArray step)=0
	设置下山单纯形算法中将使用的初始步长。
继承自 cv::MinProblemSolver 的公共成员函数
virtual Ptr< Function >	getFunction () const =0
	优化函数的 Getter。
virtual TermCriteria	getTermCriteria () const =0
	此算法先前设置的终止标准的 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
	优化函数的 Setter。
virtual void	setTermCriteria (const TermCriteria &termcrit)=0
	设置求解器的终止标准。
继承自 cv::Algorithm 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，在最开始或在读取不成功后），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))
	此函数返回指向可立即使用的 DownhillSolver 对象的引用。
继承自 cv::Algorithm 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。

额外的继承成员
继承自 cv::Algorithm 的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

此类用于执行函数的非线性非约束最小化。

定义在 n 维欧几里得空间上，使用 Nelder-Mead 方法，也称为下山单纯形法**。有关该方法的基本思想可以从 http://en.wikipedia.org/wiki/Nelder-Mead_method 获取。

应该注意的是，此方法虽然是确定性的，但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，每一步都仅使用在 n+1 个点处评估的函数值信息，这些点排列为 n 维空间中的单纯形（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，将获得的值与先前的值进行比较，并根据此信息，单纯形改变其形状，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，与例如非线性共轭梯度法（也在 optim 中实现）相反。

当完成的函数评估次数超过 termcrit.maxCount 时，当单纯形顶点处的函数值在 termcrit.epsilon 范围内时，或者当单纯形变得太小以至于可以包含在具有 termcrit.epsilon 边的框中时，Algorithm 停止，无论哪个先发生，对于某些用户定义的正整数 termcrit.maxCount 和正非整数 termcrit.epsilon。

注意

DownhillSolver 是抽象接口 cv::MinProblemSolver 的派生类，而 cv::MinProblemSolver 反过来又派生自 Algorithm 接口，用于封装 optim 模块中所有非线性优化算法的通用功能。

终止标准应满足以下条件

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

此函数返回指向可立即使用的 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。由于终止标准的默认值是唯一合理的，如果未将各个参数提供给 create()，则应在获得的对象上调用 MinProblemSolver::setFunction() 和 DownhillSolver::setInitStep()。否则，两种方式（将参数提供给 createDownhillSolver() 或遗漏它们并调用 MinProblemSolver::setFunction() 和 DownhillSolver::setInitStep()）绝对等效（并且如果检测到无效输入，将以相同的方式丢弃相同的错误）。

参数

hashtableResize()	指向将被最小化的函数的指针，类似于您通过 MinProblemSolver::setFunction 提交的指针。
initStep	将用于构造初始单纯形的初始步长，类似于您通过 MinProblemSolver::setInitStep 提交的步长。
终止条件	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

纯虚函数

返回下山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，虽然相应的 setter 接受列向量以及行向量，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

设置下山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 \(s_i\) 表示初始步长的 n 次坐标的投影（投影结果被视为由 \(s_i:=e_i\cdot\left<e_i\cdot s\right>\) 给出的向量，其中 \(e_i\) 形成规范基）

参数

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

---

此类文档是从以下文件生成的

• opencv2/core/optim.hpp