參考

64位 WIN 7/8 下VS2010配置CLAPCAK3.2.1和Levmar2.6

準備

下載CMake：https://cmake.org/
下載clapack_cmake:http://www.netlib.org/clapack/clapack-3.2.1-CMAKE.tgz
下載levmar:http://users.ics.forth.gr/~lourakis/levmar/levmar-2.6.tgz

編譯

編譯clapack

解壓縮後，開啟CMake配置原始碼路徑和build路徑，然後點選Configure和Generate即可，如下圖所示：


關閉CMake，用VS2015開啟build目錄下的CLAPACK.sln，編譯整個專案即可(注意此處我編譯的是Release版本

\build\BLAS\SRC\Release\blas.lib
\build\F2CLIBS\libf2c\Release\libf2c.lib
\build\SRC\Release\lapack.lib
\build\Testing\MATGEN\Release\tmglib.lib
  

   
1
   
2
   
3
   
4
  

本文將其放在\build\lib\build\lib目錄下，當然你也可以放在其他指定目錄：

編譯levmar

開啟CMake，設定原始碼路徑和build路徑(CMake也要選擇VS2015 X64

Demo示例

接下來是學習Demo裡的一個例子，部分截圖我就直接從維基扯過來。

工程配置

新建一個VS2015 X64 Release專案，並新增一個main.cpp

新增include和library



配置完成後編譯：

程式碼講解

Rosenbrock function（香蕉函式）：具體定義可以參考到維基網頁，是一個用來測試最佳化演演算法效能的非凸函式；其全域最小值位於(x, y)=(1, 1)點，數值為f(x, y)=0。
在Levmar的Demo中，通過迭代的方式，去計算x,y。
先貼一下結果：

可以可看到迭代了1000次後，最終求出來的(x,y)已經非常接近（1,1）了。

下邊是主要程式碼：

//main函式
    int m=2; n=3;     //m表示待求引數的維度，n表示測量值的維度
    p[0]=-1.2; p[1]=1.0;  //待求引數的初值
    for(i=0; i<n; i++) x[i]=0.0;     //模擬n次測量的結果，由於是求解，設為零
    // 呼叫迭代入口函式
    int ret=dlevmar_der(modros,      //描述測量值之間關係的函式指標
                        jacmodros,   //估計雅克比矩陣的函式指標
                         p,          //初始化的待求引數，結果一併儲存在其中
                         x,          //測量值
                         m,          //引數維度
                         n,          //測量值維度
                         1000,       //最大迭代次數
                         opts,       //迭代的一些引數
                         info,       //關於最小化結果的一些引數，不需要設為NULL
                         NULL, NULL, NULL //一些記憶體的指標，暫時不需要，以後再學習這個具體由什麼用); 
  

   
1
   
2
   
3
   
4
   
5
   
6
   
7
   
8
   
9
   
10
   
11
   
12
   
13
   
14
   
15
  

在主函式中大致就是以上的幾行簡單的程式碼就能呼叫LM進行迭代，真的是感覺好膜拜啊；在上邊呼叫的函式裡還有兩個函式指標，下邊是關於這兩個函式指標的東西。

#define ROSD 105.0
//香蕉函式的公式f(x,y)=(1-x)^2 + 100(y-x^2)^2;

void ros(double *p, double *x, int m, int n, void *data)
{
    register int i;
    for(i=0; i<n; ++i)
    {
        //寫出引數與x[i]之間的關係式，由於這裡方程的右邊沒有觀測值，只有引數看起來怪怪的~_~
        x[i]=((1.0-p[0])*(1.0-p[0]) + ROSD*(p[1]-p[0]*p[0])*(p[1]-p[0]*p[0]));
    }

}

void jacros(double *p, double *jac, int m, int n, void *data)
{
  register int i, j;
  //寫出雅克比矩陣
  for(i=j=0; i<n; ++i)
  {
    jac[j++]=(-2 + 2*p[0]-4*ROSD*(p[1]-p[0]*p[0])*p[0]);
    jac[j++]=(2*ROSD*(p[1]-p[0]*p[0]));
  }
}
  

   
1
   
2
   
3
   
4
   
5
   
6
   
7
   
8
   
9
   
10
   
11
   
12
   
13
   
14
   
15
   
16
   
17
   
18
   
19
   
20
   
21
   
22
   
23
   
24
  

以上就是第一個示例，比較簡單，但是看起來好有成就感！

levmar還有其他的函式，留到下次再研究，已經滿足我目前的需求了！

levmar主要針對於稠密雅克比矩陣，所以jac其實是一個一維的陣列，所以jac的大小為待求引數個數×觀測次數×每次觀察方程個數