相关背景和互联问题发布在math stackexchange上：https://math.stackexchange.com/questions/3972648/non-linear-optimization-levenberg-marquardt-gives-different-results-using-diffe/3972674
把这个问题贴在这里，因为它不仅和数学有关。
我用l-m算法来最小化（x*，y*）=sum（x-x0）^2+（y-y0）^2-r^2
要最小化的函数形式（c和java libs显然都是非平方函数）：
sqrt（（x-x0）^2+（y-y0）^2）-r
1-平方米（（x-x0）^2+（y-y0）^2）/r
使用javal-m算法，两种形式都给出了很好的结果（几乎相同，差别很小，我想知道造成差别的原因是什么。）
但是使用eigen的l-m算法，只有第二种形式工作正常。不知怎的，第一种形式有很大的错误。
你觉得这里有什么问题？我想知道java/eigencl-m实现中是否有根本的区别？把这事弄清楚就好了。
我用自动和手写两种形式的导数尝试了伊根的l-m。在java中，我只使用“手写”派生词。
我是这样使用eigen的：

int operator()(const Eigen::VectorXd &b, Eigen::VectorXd &fvec) const {
for(int i = 0; i < matrix.rows(); i++) {
  fvec[i] = 1 - sqrt(pow(matrix(i, 0) - b[0], 2) + pow(matrix(i, 1) - b[1], 2)) / matrix(i, 2);
  //fvec[i] = sqrt(pow(matrix(i, 0) - b[0], 2) + pow(matrix(i, 1) - b[1], 2)) - matrix(i, 2);

  /*
    * Important: LevenbergMarquardt is designed to work with objective functions that are a sum
    * of squared terms. The algorithm takes this into account: do not do it yourself.
    * In other words: objFun = sum(fvec(i)^2)
    */
}

return 0;}