问题：我最近负责设计非线性求解器，但我的解算器没有收敛到正确的解。
**预期**：'minimize（x）'方法应该将我的参数向量x减少到最小值。
观察：在我调用'minimize（x）'后，我得到一个状态返回，表示RelativeErrorTooSmall。
问题：有人可以解释这个枚举值的含义吗？
文档：关于Eigen Levenberg Marquardt类的唯一可用文档基本上是.h文件。以下是枚举列表：
string proto = Serializer.GetProto<CAcct>();
以下是标题文件的链接：https://eigen.tuxfamily.org/dox/unsupported/NonLinearOptimization_2LevenbergMarquardt_8h_source.html
这是一个先前的堆栈溢出问题，其中包含测试程序： How to use the Eigen unsupported levenberg marquardt implementation?
答案 0 :(得分：1)
通过.h文件搜索显示，此返回代码表示在某个步骤中算法无法声明成功，但在调整该步骤的参数方面几乎没有取得任何进展。
if (delta <= parameters.xtol * xnorm)
return LevenbergMarquardtSpace::RelativeErrorTooSmall;
术语 xnorm 由算法即时计算。它是在某种绝对意义上估计参数的大小。 （最好将问题扩展到参数，绝对值往往大约是1。） Parameters.xtol 是一个用户可以设置为参数“小”差异的数字。典型值是机器效率的平方根。实际上，这是代码中的默认值。
假设库代码正确，收敛失败可能是由于以下任何原因：
对函数计算准确程度的估计过于乐观。尝试将Parameters.xtol设置得更大。至少使用 double 精度。确保您的所有参数都具有大致相同的比例。
问题没有很好的条件，这意味着Hessian在参数空间的某个方向上比其他方向大得多。确保您的参数缩放良好，并至少使用双倍精度。可能需要使用调节基质。这太深了，无法进入这里。
计算的梯度不是损失函数梯度的良好估计。如果问题条件良好，则梯度计算或损失函数计算都会出错。根据梯度的有限差分估计来测试它们。
我拥有自己经过充分测试和超快速的求解器。我很乐意与你取得联系，但我并不热衷于此。