00001
00002
00003
00004
00005
00006
00007
00008
00009
00010
00011
00012
00013
00014
00015
00016
00017
00018
00019
00020
00021
00022
00023
00024
00025
00026
00027
00028
00029
00030
00031
00032
00033
00034
00035
00036
00037
00038
00039
00040
00041
00042
00043
00044
00045
00046
00047
00048 #ifndef EIGEN_CONSTRAINEDCG_H
00049 #define EIGEN_CONSTRAINEDCG_H
00050
00051 #include <Eigen/Core>
00052
00053 namespace Eigen {
00054
00055 namespace internal {
00056
00063 template <typename CMatrix, typename CINVMatrix>
00064 void pseudo_inverse(const CMatrix &C, CINVMatrix &CINV)
00065 {
00066
00067 typedef typename CMatrix::Scalar Scalar;
00068 typedef typename CMatrix::Index Index;
00069
00070 typedef Matrix<Scalar,Dynamic,1> TmpVec;
00071
00072 Index rows = C.rows(), cols = C.cols();
00073
00074 TmpVec d(rows), e(rows), l(cols), p(rows), q(rows), r(rows);
00075 Scalar rho, rho_1, alpha;
00076 d.setZero();
00077
00078 CINV.startFill();
00079 for (Index i = 0; i < rows; ++i)
00080 {
00081 d[i] = 1.0;
00082 rho = 1.0;
00083 e.setZero();
00084 r = d;
00085 p = d;
00086
00087 while (rho >= 1e-38)
00088 {
00089
00090 l = C.transpose() * p;
00091 q = C * l;
00092 alpha = rho / p.dot(q);
00093 e += alpha * p;
00094 r += -alpha * q;
00095 rho_1 = rho;
00096 rho = r.dot(r);
00097 p = (rho/rho_1) * p + r;
00098 }
00099
00100 l = C.transpose() * e;
00101
00102 for (Index j=0; j<l.size(); ++j)
00103 if (l[j]<1e-15)
00104 CINV.fill(i,j) = l[j];
00105
00106 d[i] = 0.0;
00107 }
00108 CINV.endFill();
00109 }
00110
00111
00112
00118 template<typename TMatrix, typename CMatrix,
00119 typename VectorX, typename VectorB, typename VectorF>
00120 void constrained_cg(const TMatrix& A, const CMatrix& C, VectorX& x,
00121 const VectorB& b, const VectorF& f, IterationController &iter)
00122 {
00123 typedef typename TMatrix::Scalar Scalar;
00124 typedef typename TMatrix::Index Index;
00125 typedef Matrix<Scalar,Dynamic,1> TmpVec;
00126
00127 Scalar rho = 1.0, rho_1, lambda, gamma;
00128 Index xSize = x.size();
00129 TmpVec p(xSize), q(xSize), q2(xSize),
00130 r(xSize), old_z(xSize), z(xSize),
00131 memox(xSize);
00132 std::vector<bool> satured(C.rows());
00133 p.setZero();
00134 iter.setRhsNorm(sqrt(b.dot(b)));
00135 if (iter.rhsNorm() == 0.0) iter.setRhsNorm(1.0);
00136
00137 SparseMatrix<Scalar,RowMajor> CINV(C.rows(), C.cols());
00138 pseudo_inverse(C, CINV);
00139
00140 while(true)
00141 {
00142
00143 old_z = z;
00144 memox = x;
00145 r = b;
00146 r += A * -x;
00147 z = r;
00148 bool transition = false;
00149 for (Index i = 0; i < C.rows(); ++i)
00150 {
00151 Scalar al = C.row(i).dot(x) - f.coeff(i);
00152 if (al >= -1.0E-15)
00153 {
00154 if (!satured[i])
00155 {
00156 satured[i] = true;
00157 transition = true;
00158 }
00159 Scalar bb = CINV.row(i).dot(z);
00160 if (bb > 0.0)
00161
00162 for (typename CMatrix::InnerIterator it(C,i); it; ++it)
00163 z.coeffRef(it.index()) -= bb*it.value();
00164 }
00165 else
00166 satured[i] = false;
00167 }
00168
00169
00170 rho_1 = rho;
00171 rho = r.dot(z);
00172
00173 if (iter.finished(rho)) break;
00174
00175 if (iter.noiseLevel() > 0 && transition) std::cerr << "CCG: transition\n";
00176 if (transition || iter.first()) gamma = 0.0;
00177 else gamma = (std::max)(0.0, (rho - old_z.dot(z)) / rho_1);
00178 p = z + gamma*p;
00179
00180 ++iter;
00181
00182 q = A * p;
00183 lambda = rho / q.dot(p);
00184 for (Index i = 0; i < C.rows(); ++i)
00185 {
00186 if (!satured[i])
00187 {
00188 Scalar bb = C.row(i).dot(p) - f[i];
00189 if (bb > 0.0)
00190 lambda = (std::min)(lambda, (f.coeff(i)-C.row(i).dot(x)) / bb);
00191 }
00192 }
00193 x += lambda * p;
00194 memox -= x;
00195 }
00196 }
00197
00198 }
00199
00200 }
00201
00202 #endif // EIGEN_CONSTRAINEDCG_H