Przyspieszenie ramy obejmowały LAPACK liniowy pakiet matematycznego, który ma DGELS funkcję rozwiązywania niedostatecznie lub nadokreślony układów liniowych . Z dokumentacji:
DGELS rozwiązuje nadokreślony lub underdetermined układów liniowych rzeczywistym z udziałem z M przez N macierzy A, lub jego transpozycji pomocą QR lub LQ faktoryzacji A. Zakłada się, że A jest w pełni ranga.
Oto przykład wykorzystania tej funkcji w Swift. Jest to w istocie tłumaczenie this C sample code.
func solveLeastSquare(A A: [[Double]], B: [Double]) -> [Double]? {
precondition(A.count == B.count, "Non-matching dimensions")
var mode = Int8(bitPattern: UInt8(ascii: "N")) // "Normal" mode
var nrows = CInt(A.count)
var ncols = CInt(A[0].count)
var nrhs = CInt(1)
var ldb = max(nrows, ncols)
// Flattened columns of matrix A
var localA = (0 ..< nrows * ncols).map {
A[Int($0 % nrows)][Int($0/nrows)]
}
// Vector B, expanded by zeros if ncols > nrows
var localB = B
if ldb > nrows {
localB.appendContentsOf([Double](count: ldb - nrows, repeatedValue: 0.0))
}
var wkopt = 0.0
var lwork: CInt = -1
var info: CInt = 0
// First call to determine optimal workspace size
dgels_(&mode, &nrows, &ncols, &nrhs, &localA, &nrows, &localB, &ldb, &wkopt, &lwork, &info)
lwork = Int32(wkopt)
// Allocate workspace and do actual calculation
var work = [Double](count: Int(lwork), repeatedValue: 0.0)
dgels_(&mode, &nrows, &ncols, &nrhs, &localA, &nrows, &localB, &ldb, &work, &lwork, &info)
if info != 0 {
print("A does not have full rank; the least squares solution could not be computed.")
return nil
}
return Array(localB.prefix(Int(ncols)))
}
Niektóre Uwagi:
dgels_()
modyfikuje przekazywane dane matrycy i wektora i oczekuje matrycy jako „płaskim” matrycy zawierającej kolumny A
. Również prawa strona jest oczekiwana jako tablica o długości max(M, N)
. Z tego powodu dane wejściowe są najpierw kopiowane do zmiennych lokalnych.
- Wszystkie argumenty należy przekazać, odnosząc się do numeru
dgels_()
, dlatego są one przechowywane w var
s.
- Liczba całkowita C to 32-bitowa liczba całkowita, co powoduje, że konieczne są pewne konwersje między
Int
i .
Przykład 1: nadokreślony system z http://www.seas.ucla.edu/~vandenbe/103/lectures/ls.pdf.
let A = [[ 2.0, 0.0 ],
[ -1.0, 1.0 ],
[ 0.0, 2.0 ]]
let B = [ 1.0, 0.0, -1.0 ]
if let x = solveLeastSquare(A: A, B: B) {
print(x) // [0.33333333333333326, -0.33333333333333343]
}
Przykład 2: Underdetermined system minimalną normą rozwiązanie x_1 + x_2 + x_3 = 1.0
.
let A = [[ 1.0, 1.0, 1.0 ]]
let B = [ 1.0 ]
if let x = solveLeastSquare(A: A, B: B) {
print(x) // [0.33333333333333337, 0.33333333333333337, 0.33333333333333337]
}
Aktualizacja Swift 3 i Swift 4:
func solveLeastSquare(A: [[Double]], B: [Double]) -> [Double]? {
precondition(A.count == B.count, "Non-matching dimensions")
var mode = Int8(bitPattern: UInt8(ascii: "N")) // "Normal" mode
var nrows = CInt(A.count)
var ncols = CInt(A[0].count)
var nrhs = CInt(1)
var ldb = max(nrows, ncols)
// Flattened columns of matrix A
var localA = (0 ..< nrows * ncols).map { (i) -> Double in
A[Int(i % nrows)][Int(i/nrows)]
}
// Vector B, expanded by zeros if ncols > nrows
var localB = B
if ldb > nrows {
localB.append(contentsOf: [Double](repeating: 0.0, count: Int(ldb - nrows)))
}
var wkopt = 0.0
var lwork: CInt = -1
var info: CInt = 0
// First call to determine optimal workspace size
var nrows_copy = nrows // Workaround for SE-0176
dgels_(&mode, &nrows, &ncols, &nrhs, &localA, &nrows_copy, &localB, &ldb, &wkopt, &lwork, &info)
lwork = Int32(wkopt)
// Allocate workspace and do actual calculation
var work = [Double](repeating: 0.0, count: Int(lwork))
dgels_(&mode, &nrows, &ncols, &nrhs, &localA, &nrows_copy, &localB, &ldb, &work, &lwork, &info)
if info != 0 {
print("A does not have full rank; the least squares solution could not be computed.")
return nil
}
return Array(localB.prefix(Int(ncols)))
}
Dodaj kod tutaj! Nie można pomóc bez kodu. – Dershowitz123
The [Accelerate framework] (https://developer.apple.com/library/ios/documentation/Accelerate/Reference/AccelerateFWRef /) zawiera [bibliotekę BLAS] (http://www.netlib.org/blas/faq.html), która ma funkcje [Problemy z liniowymi najmniejszymi kwadratami] (http : //www.netlib.org/lapack/lug/node27.html). Korzystanie z tych funkcji ze Swift wymaga trochę pracy :) –
Niestety, nie ma metody, która rozwiązuje problemy LLS. – wtznc