RcppEigen中的MappedSparseMatrix

我想使用RcppEigen包中实现的共轭梯度算法来求解大型稀疏矩阵

<>因为我是Rcpp和C++的新手，我刚开始的时候是用密集矩阵。< /P>

    // [[Rcpp::depends(RcppEigen)]]
    #include <Rcpp.h>
    #include <RcppEigen.h>
    #include <Eigen/IterativeLinearSolvers>
    using Eigen::SparseMatrix;
    using Eigen::MappedSparseMatrix;
    using Eigen::Map;
    using Eigen::MatrixXd;
    using Eigen::VectorXd;
    using Rcpp::as;
    using Eigen::ConjugateGradient;
    typedef Eigen::MappedSparseMatrix<double> MSpMat;

    // [[Rcpp::export]]
    VectorXd getEigenValues(SEXP As, SEXP bs) {
    const Map<MatrixXd> A(as<Map<MatrixXd> > (As));
    const Map<VectorXd> b(as<Map<VectorXd> > (bs));
    ConjugateGradient<MatrixXd> cg;
    cg.compute(A);
    VectorXd x=cg.solve(b);
    return x;
    }

   // [[Rcpp::depends(RcppEigen)]]
   #include <Rcpp.h>
   #include <RcppEigen.h>
   #include <Eigen/IterativeLinearSolvers>
   using Eigen::SparseMatrix;
   using Eigen::MappedSparseMatrix;
   using Eigen::Map;
   using Eigen::MatrixXd;
   using Eigen::VectorXd;
   using Rcpp::as;
   using Eigen::ConjugateGradient;
   typedef Eigen::MappedSparseMatrix<double> MSpMat;

   // [[Rcpp::export]]
   VectorXd getEigenValues(SEXP As, SEXP bs) {
   const MSpMat A = as<MSpMat>(As);
   const Map<VectorXd> b(as<Map<VectorXd> > (bs));
   ConjugateGradient<SparseMatrix<double> > cg;
   cg.compute(A);
   VectorXd x=cg.solve(b);
   return x;
   }

/[[Rcpp:：depends（RcppEigen）]]
#包括
#包括
#包括
使用Eigen：：SparseMatrix；
使用Eigen:：MappedSparseMatrix；
使用特征：：映射；
使用特征：：矩阵XXD；
使用特征：：VectorXd；
使用Rcpp：：as；
使用本征：：共轭梯度；
typedef Eigen:：MappedSparseMatrix MSpMat；
//[[Rcpp:：导出]]
向量xd获取特征值（SEXP As，SEXP bs）{
常数映射A（as（as））；
常数映射b（as（bs））；
共轭梯度；
cg.计算（A）；
向量xd x=cg.solve（b）；
返回x；
}

这正如预期的那样有效。因此，我想把它扩展到稀疏矩阵

    // [[Rcpp::depends(RcppEigen)]]
    #include <Rcpp.h>
    #include <RcppEigen.h>
    #include <Eigen/IterativeLinearSolvers>
    using Eigen::SparseMatrix;
    using Eigen::MappedSparseMatrix;
    using Eigen::Map;
    using Eigen::MatrixXd;
    using Eigen::VectorXd;
    using Rcpp::as;
    using Eigen::ConjugateGradient;
    typedef Eigen::MappedSparseMatrix<double> MSpMat;

    // [[Rcpp::export]]
    VectorXd getEigenValues(SEXP As, SEXP bs) {
    const Map<MatrixXd> A(as<Map<MatrixXd> > (As));
    const Map<VectorXd> b(as<Map<VectorXd> > (bs));
    ConjugateGradient<MatrixXd> cg;
    cg.compute(A);
    VectorXd x=cg.solve(b);
    return x;
    }

   // [[Rcpp::depends(RcppEigen)]]
   #include <Rcpp.h>
   #include <RcppEigen.h>
   #include <Eigen/IterativeLinearSolvers>
   using Eigen::SparseMatrix;
   using Eigen::MappedSparseMatrix;
   using Eigen::Map;
   using Eigen::MatrixXd;
   using Eigen::VectorXd;
   using Rcpp::as;
   using Eigen::ConjugateGradient;
   typedef Eigen::MappedSparseMatrix<double> MSpMat;

   // [[Rcpp::export]]
   VectorXd getEigenValues(SEXP As, SEXP bs) {
   const MSpMat A = as<MSpMat>(As);
   const Map<VectorXd> b(as<Map<VectorXd> > (bs));
   ConjugateGradient<SparseMatrix<double> > cg;
   cg.compute(A);
   VectorXd x=cg.solve(b);
   return x;
   }

/[[Rcpp:：depends（RcppEigen）]]
#包括
#包括
#包括
使用Eigen：：SparseMatrix；
使用Eigen:：MappedSparseMatrix；
使用特征：：映射；
使用特征：：矩阵XXD；
使用特征：：VectorXd；
使用Rcpp：：as；
使用本征：：共轭梯度；
typedef Eigen:：MappedSparseMatrix MSpMat；
//[[Rcpp:：导出]]
向量xd获取特征值（SEXP As，SEXP bs）{
常数MSpMat A=as（as）；
常数映射b（as（bs））；
共轭梯度；
cg.计算（A）；
向量xd x=cg.solve（b）；
返回x；
}

然而，这往往会产生非常奇怪的结果。代码本身也没有给出任何错误。希望有人能帮我纠正这个错误

---

谢谢。

您需要在Eigen:：共轭梯度函数中使用Eigen:：MappedSparseMatrix类型。请尝试以下代码：

#include <RcppEigen.h>

typedef Eigen::MappedSparseMatrix< double > mappedSparseMatrix ;
typedef Eigen::Map< Eigen::VectorXd > mappedVector ;

// [[Rcpp::depends(RcppEigen)]]
// [[Rcpp::export]]
Eigen::VectorXd cgSparse(
    const mappedSparseMatrix A,
    const mappedVector b
) {
    Eigen::ConjugateGradient< mappedSparseMatrix, Eigen::Lower > cg( A ) ;
    return cg.solve( b ) ;
}

#包括
typedef Eigen:：MappedSparseMatrixMappedSparseMatrix；
typedef-Eigen:：MapmappedVector；
//[[Rcpp:：depends（RcppEigen）]]
//[[Rcpp:：导出]]
特征：：矢量xd cgSparse(
常量mappedSparseMatrix A，
常量映射向量b
) {
特征：：共轭梯度cg（A）；
返回cg.solve（b）；
}

与R的solve（）函数相比：

B <- matrix( c( 1, 2, 0, 2, 5, 0, 0, 0, 3  ), 3, 3, TRUE )
b <- c( 5, 1, 7 )
B %*% solve( B, b )
       [,1]
[1,]    5
[2,]    1
[3,]    7

B %*% cgSparse( as( B, 'dgCMatrix' ), b )
     [,1]
[1,]    5
[2,]    1
[3,]    7

---

B请不要交叉投递。您将相同的示例发送给了rcpp-devel，这是一个很好的地方。