已用Eigen/Ceres，求推荐可解含复根非线性方程组的C++库

我完全理解你的痛点——在开发用于材料原子演化的kMC代码时，需要高精度求解非线性方程组的复根，但常用的Eigen和Ceres确实只专注于实域的优化与根求解，它们的LM或dogleg算法本质上是在实空间里迭代，自然找不到复根。这里给你几个可行的方向：

1. 把复问题转化为实方程组（复用现有库） #

这是最直接的过渡方案，不用换库就能继续用你熟悉的Eigen/Ceres：

• 把每个复变量 ( z = x + iy ) 拆成实部 ( x ) 和虚部 ( y )
• 把原复方程 ( f(z) = u(x,y) + iv(x,y) = 0 ) 拆解成两个实方程：( u(x,y) = 0 ) 和 ( v(x,y) = 0 )
• 原复方程组会变成变量数翻倍的实方程组，直接用Eigen的LM或dogleg方法求解即可

优缺点：

• 优点：完全复用现有工具，不需要额外学习新库
• 缺点：变量维度翻倍，大规模方程组会增加计算开销；大量复变量拆分后，代码可读性会有所下降

2. 使用支持复根求解的专业数值库 #

如果转化实方程组的方案不够高效，或者你需要更直接的复域求解支持，可以考虑这些库：

• GSL (GNU Scientific Library)：提供了专门的复非线性方程组求解器（比如gsl_multiroot_fsolver_complex系列），支持多种迭代算法，精度和稳定性适配科学计算场景
• Boost.Math：其根查找模块支持单变量复函数的根求解，多变量场景也可通过封装复问题处理，和C++生态兼容性极佳
• MPFR + 自定义复迭代：如果需要极致高精度，可结合MPFR（多精度浮点库）自行实现复Newton-Raphson迭代，Eigen也支持复矩阵的多精度运算（需配置）

3. 自行实现复域根求解算法（高度定制） #

如果你的方程组有材料领域的特定模型结构，自行实现复迭代算法会更灵活：

• 优先考虑复Newton-Raphson方法：复方程组的迭代逻辑和实域类似，只是所有变量、雅可比矩阵均为复值
• 用Eigen处理复线性方程组求解：Eigen对复矩阵的LU分解、QR分解等有完善支持，刚好能用来求解每一步的复线性方程组
• 注意事项：复域迭代对初始值极其敏感，建议结合原子演化的物理约束给出合理初始猜测；同时要加入收敛判断（比如复残差的模小于设定阈值）

内容的提问来源于stack exchange，提问作者Afshin