Eigen RowVectorXd按绝对值降序取索引输出全零问题排查

• 索引向量未初始化有效序列：你在构造函数中仅将oei初始化为全零向量，std::sort是对向量内已有元素做排序，全零元素排序后不会发生任何顺序变化，因此输出始终为全零。你需要先将oei初始化为0~dim-1（0-based索引）或1~dim（1-based索引，符合你给出的示例输出要求）的连续索引序列。
• 排序规则不符合需求：当前比较函数return abs(v[i1]) < abs(v[i2])实现的是绝对值升序排列，你需要的降序需要反转比较逻辑。
• 类型不匹配优化：当前用RowVectorXd（双精度浮点型）存储整数索引属于类型错配，虽然不会直接触发报错，但存在隐式转换风险，建议替换为RowVectorXi（整型向量）。

OEI.h #

#include <eigen3/Eigen/Dense>
#include <iostream>
#include <algorithm>
using namespace Eigen;

class OEI
{
public:
    int dim;
    // 构造函数初始化oei为1~dim的1-based索引序列，匹配你给出的示例输出要求
    OEI(int dim) : dim(dim) { oei = RowVectorXi::LinSpaced(dim, 1, dim); };
    // 替换为整型向量存储索引
    RowVectorXi oei;

public:
    void calculateOEI(RowVectorXd &v);
    
};

OEI.cpp #

#include "OEI.h"
#include <eigen3/Eigen/Dense>
#include <iostream>
#include <algorithm>

void OEI::calculateOEI(RowVectorXd &v)
{
    // 反转比较逻辑，实现绝对值降序排序，1-based索引访问时做-1偏移避免越界
    std::sort(oei.data(), oei.data() + oei.size(), [&v](int i1, int i2)
              { return abs(v[i1-1]) > abs(v[i2-1]); });
    
    std::cout << oei.size() << std::endl;
}

注：如果你的业务场景使用0-based索引，只需将构造函数的LinSpaced范围改为0, dim-1，同时比较函数中去掉i1-1、i2-1的偏移即可。

内容的提问来源于stack exchange，提问作者johnny_b_good