BambuStudio学习笔记：BruteForceOptimizer-优快云博客

# BruteForceOptimizer 类概述

## 整体功能
`BruteForceOptimizer` 是一个基于暴力搜索（穷举法）的多维参数优化器，通过遍历参数空间中的网格点寻找目标函数的最小值或最大值。适用于低维优化问题。其核心思想是将每个参数维度等分为指定数量的网格点，计算所有可能组合的目标函数值，并根据优化方向（最小化/最大化）选择最佳结果。

## 详细代码解释

### 命名空间与结构
- **`detail` 命名空间**：包含算法实现细节。
- **`AlgBurteForce` 结构**：实际执行网格搜索的算法实现。
  - **成员变量**：
    - `to_min`：布尔值，指示是否进行最小化优化。
    - `stc`：`StopCriteria` 类型，优化停止条件。
    - `gridsz`：`size_t` 类型，每个维度的网格采样点数量。
  - **构造函数**：接受停止条件和网格大小初始化。

### 关键函数

#### `num_iter<N>`
```cpp
template<size_t N> 
long num_iter(const std::array<size_t, N> &idx, size_t gridsz)

作用：计算当前网格位置 idx 在整个搜索中的迭代次数。
参数：
- idx：各维度的网格索引数组。
- gridsz：每维网格点数。
返回值：总迭代次数（基于网格索引的数值计算）。

`run<D, N, Fn, C>`

template<int D, size_t N, class Fn, class Cmp>
bool run(...)

核心递归函数：生成多维网格点并评估目标函数。
模板参数：
- D：当前处理的维度（通过递归递减实现多维遍历）。
- N：参数维度总数。
- Fn：目标函数类型。
- Cmp：比较函数类型（std::less 或 std::greater）。
参数：
- idx：记录各维当前网格位置的数组。
- result：保存当前最优结果的引用。
- bounds：参数边界约束。
- fn：待优化的目标函数。
- cmp：比较函数，决定更新结果的方向。
流程：
- 当 D < 0 时，构造当前网格点参数，计算目标值，更新最优结果。
- 否则递归遍历每个维度的所有网格点。

`optimize<Fn, N>`

template<class Fn,_t N>
Result<N> optimize(Fn&& fn, const Input<N>&, const Bounds<N>& bounds)

优化入口：配置优化方向（最小化/最大化），初始化最优结果，启动递归搜索。
参数：
- fn：待优化的目标函数。
- initvals：初始参数值（代码中未实际使用）。
- bounds：参数取值范围约束。
流程：
- 根据 to_min 选择初始分数（max() 或 lowest()）和比较器。
- 调用 run 函数执行网格搜索。

`Optimizer<AlgBruteForce>` 类

作用：对 AlgBurteForce 的封装，提供用户友好的接口。
成员函数：
- to_max()/to_min()：设置优化方向。
- optimize()：调用内部算法执行优化。
- set_criteria()/get_criteria()：设置或获取停止条件。

停止条件 (`StopCriteria`)

控制条件：通过 max_iterations, abs_score_diff, rel_score_diff 控制何时终止搜索。
检查逻辑：在每次函数评估后检查：
- 是否达到最大迭代次数。
- 分数差异是否满足绝对或相对精度。

设计要点

递归模板元编程：通过递归模板展开处理多维参数，减少运行时开销。
网格均匀采样：每个参数范围等分为 gridsz-1 段，生成 gridsz 个采样点。
灵活性：支持任意维度的优化问题，但复杂度随维度呈指数增长。
比较器动态选择：通过 std::less 或 std::greater 实现最小/最大化统一处理。

使用示例

// 伪代码示例
StopCriteria crit; 
crit.max_iterations(1000);
Optimizer<AlgBruteForce> opt(crit, 10);
opt.to_minBounds<2> bounds = {{ {0, 1}, {2, 5} }};
auto result =.optimize(
    [](const auto& params) { return params[0] + params[1]; }, 
    Input<2>{}, 
    bounds
);
// result.optimum 包含最优参数组合