7

我正在尝试通过 RcppArmadillo 使用来自犰狳（http://arma.sourceforge.net/docs.html#spsolve）的 SparseLU 求解器：

#define ARMA_USE_SUPERLU
// [Rcpp::depends(RcppArmadillo)]
#include <RcppArmadillo.h>

// [[Rcpp::export]]
arma::vec sp_solver(arma::sp_mat K, arma::vec x) {
  arma::superlu_opts opts;
  opts.symmetric = true;
  arma::vec res;
  arma::spsolve(res, K, x, "superlu", opts);
  return res;
}

/*** R
library(Matrix)
K <- sparseMatrix(i = c(1, 2, 1), j = c(1, 2, 2), x = c(1, 1, 0.5), symmetric = TRUE)
x <- runif(2)
sp_solver(K, x)
*/

我得到错误undefined reference to 'superlu_free'。我想我错过了一些图书馆链接。知道如何解决这个问题吗？

我在 Windows 10 上。

4

1 回答 1

7

RcppArmadillo超级方便，我自己一直都在用。因为所有Rcpp* 代码都将从 R 中调用，所以我们可以假设存在一些功能。

这包括 LAPACK 和 BLAS，并解释了为什么即使 Armadillo 文档明确声明您需要 LAPACK 和 BLAS，我们也可以“不链接”使用 RcppArmadillo。为什么？好吧，因为 R 已经有 LAPACK 和 BLAS。

（顺便说一句，当且仅当 R 是用它自己的 LAPACK 子集构建时，这会导致相当多的早期问题，因为某些复杂的值例程不可用。Baptiste 受到了相当大的打击，因为他的包需要（ed）这些。多年来，Brian Ripley 在将那些缺失的例程添加到 R 的 LAPACK 中最有帮助。当使用外部 LAPACK 和 BLAS 构建 R 时，从来没有遇到过问题，例如我维护的 Debian/Ubuntu 软件包。）

在这里，您需要 SuperLU。这是可选的，您的工作是确保将其链接起来。简而言之，它不仅仅是神奇地工作。而且很难自动化，因为它涉及链接，这使我们无法轻松控制平台依赖和安装要求。

但这个问题并不新鲜，事实上有一个关于这个主题的整个 Rcpp Gallery 帖子。

编辑：并且使用适合我的系统的该帖子的单行代码，您的代码也可以正常工作（一旦我更正了Rcpp::depends它需要的双括号：

R> Sys.setenv("PKG_LIBS"="-lsuperlu")
R> sourceCpp("answer.cpp")

R> library(Matrix)

R> K <- sparseMatrix(i = c(1, 2, 1), j = c(1, 2, 2), x = c(1, 1, 0.5), symmetric = TRUE)

R> x <- runif(2)

R> sp_solver(K, x)
         [,1]
[1,] 0.264929
[2,] 0.546050
R>

更正的代码

#define ARMA_USE_SUPERLU
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>

// [[Rcpp::export]]
arma::vec sp_solver(arma::sp_mat K, arma::vec x) {
  arma::superlu_opts opts;
  opts.symmetric = true;
  arma::vec res;
  arma::spsolve(res, K, x, "superlu", opts);
  return res;
}

/*** R
library(Matrix)
K <- sparseMatrix(i = c(1, 2, 1), j = c(1, 2, 2), x = c(1, 1, 0.5), symmetric = TRUE)
x <- runif(2)
sp_solver(K, x)
*/
于 2020-03-29T14:10:34.180 回答