ojAlgo是否存在适配大条件数对称不定矩阵的求解器？

核心原因说明 #

你遇到的RecoverableCondition异常确实是病态矩阵触发的，默认SolverTask的数值稳定性校验阈值较严，条件数超过1e12量级就会抛出异常，刚好匹配你1e15的条件数场景。

优先方案：ojAlgo内置适配调整 #

不用切换第三方库，直接调整求解器选择和增加微小正则项即可解决，完全适配你的迭代低精度需求：

• 显式选择LDL分解求解器：该求解器原生支持对称不定矩阵，比默认自动选择的分解方法适配性更强
• 增加微小正则项：给KKT矩阵加1e-8~1e-12量级的单位阵缩放项，可快速降低条件数到可求解范围，对迭代过程的精度影响可以忽略

调整后代码示例 #

MatrixStore<Double> deltaX = null;
// 正则系数可根据实际情况调整，迭代场景下1e-8足够使用
double regularization = 1e-8;
MatrixStore<Double> regularizedKKT = KKT.add(MatrixStore.FACTORY.makeIdentity(KKT.countRows()).multiply(regularization));
try {
    // 显式使用LDL分解求解对称不定矩阵
    LDL<Double> ldlSolver = LDL.PRIMITIVE.make(regularizedKKT);
    if (ldlSolver.isSolvable()) {
        deltaX = ldlSolver.solve(rhs.negate());
    }
} catch (RecoverableCondition ex) {
    // 仍报错的话适当调大regularization的数值即可
}

大规模矩阵适配方案 #

后续处理1000×1000规模矩阵时，可选择迭代求解器进一步提升性能：

• 优先选择MINRES迭代求解器，专门适配对称不定矩阵，对病态矩阵容忍度高，求解速度远快于直接分解方法
• ojAlgo已内置该迭代求解器实现，无需引入额外依赖

内容的提问来源于stack exchange，提问作者Magnus