C++ 如何使用特征值设置Levenberg-Marquardt阻尼

我成功地使用了Egen的Levenberg Marquart类，下面是一个例子：

我试图找出如何将阻尼参数lambda转换为Eigen中可用的参数：

我不清楚“对角线位移的步长界限”通过设置因子（）做了什么-这与阻尼参数有关吗

distance_functor functor(matrix, count);
Eigen::NumericalDiff<distance_functor> numDiff(functor);     

Eigen::LevenbergMarquardt<Eigen::NumericalDiff<distance_functor>,double> lm(numDiff);

lm.parameters.factor = 100; //step bound for the diagonal shift, is this related to damping parameter, lambda?
lm.parameters.maxfev = 2000;//max number of function evaluations
lm.parameters.xtol = 1.49012e-08; //tolerance for the norm of the solution vector
lm.parameters.ftol = 1.49012e-08; //tolerance for the norm of the vector function
lm.parameters.gtol = 0; // tolerance for the norm of the gradient of the error vector
lm.parameters.epsfcn = 0; //error precision
Eigen::LevenbergMarquardtSpace::Status ret = lm.minimize(x);

距离函子函子（矩阵，计数）； 特征：NumericalDiff numDiff（函子）； 本征：：列文贝格马夸特lm（numDiff）； lm.parameters.factor=100//对角线位移的步长界限，是否与阻尼参数lambda有关？ lm.parameters.maxfev=2000//最大函数求值数 lm.parameters.xtol=1.49012e-08//解向量范数的容差 lm.parameters.ftol=1.49012e-08//向量函数范数的容差 lm.parameters.gtol=0；//误差向量梯度范数的容差 lm.parameters.epsfcn=0//误差精度 特征：：LevenbergMarquardtSpace：：状态ret=lm.最小化（x）；

---

这是minpack的一个端口，因此您还可以查看其：

系数是一个正输入变量，用于确定 初始步骤边界。此界限设置为的乘积 因子和diag*x的欧氏范数，如果非零，否则 考虑自身因素。在大多数情况下，影响因素应在于 间隔（.1100。）.100。是一般建议的值

---

Eigen:：LevenbergMarquardt不使用Tikhonov正则化（“阻尼参数”）来寻找下一个高斯-牛顿方向。它随后调用MINPACK的子例程lmpar2（qrfac、m_diag、m_qtf、m_delta、m_par、m_wa1），该子例程看起来（如果不适定）是约束下的高斯-牛顿方向m_wa1

||m_diag*m_wa1||