Eigen+suitesparse for windows 安装

Eigen是著名的C++矩阵运算库，提供了许多矩阵运算的接口，主要包括两大部分，一部分是稠密矩阵，另一部分是稀疏矩阵。Eigen以源码形式提供给大家，用的时候，只要将源码包含在项目的包含路径上，具体安装和使用方法，可以参考如下链接：

《C++矩阵处理工具——Eigen》,《Eigen初步1：初步体验Eigen库》。

这次我们重点讲解一下如何安装suitesparse库。

SuiteSparse是世界上最优秀的稀疏矩阵处理工程之一。SuiteSparse是一组C、Fortran和MATLAB函数集，用来生成空间稀疏矩阵数据。在SuiteSparse中几何多种稀疏矩阵的处理方法，包括矩阵的LU分解，QR分解，Cholesky分解，提供了解非线性方程组、实现最小二乘法等多种函数代码。

SuitSparse包含了众多的依赖库，例如：blas库、lapack库、cholmod库等，所以安装很复杂。不过值得庆幸的是，国外早有大牛已经实现了在windows,linux或者mac等所平台上的cmake脚本，具体参考Github项目<<suitesparse-metis-for-windows>>

 打开Github，会发现作者已经写了详细的安装流程，不过经过我亲测，还是有很多的陷阱。所以我将一步步地将所有的步骤给大家讲清楚，希望大家也能将自己学习历程中一些重要的知识分享出来，共建我们的开源社区。

先说一下我的配置：

    Windows 7 SP1, Visual studio 2008, cmake  2.8.

下面正式开始：

1. 安装Cmake

2.  下载或克隆Gthub上最新的项目版本，本版本为v1.3.0,然后解压到某个本地文件下，我们暂称这个路径为SP_ROOT，我这里是F:\suitsparse\suitesparse-metis-vs2008

我的如图所示：

   

这里注意：我们看到Gtihub上建议我们分别下载 SuiteSparse-X.Y.Z.tar.gz和 metis-X.Y.Z.tar.gz.（建议metis版本在5以下，比如metis-4.0.3，或者不要覆盖它），然后覆盖它原来所含的源代码。这里我觉得有点矛盾，因为我们打开https://github.com/jlblancoc/suitesparse-metis-for-windows/releases，就会看到v1.3.0的更新说明：

• For the convenience of users, SuiteSparse+METIS souces are now also bundled in this package.
• Support for CUDA builds (Enable WITH_CUDA)

所以根本没有必要下载上面两个文件，用它的就可以了。当然了，你重新下载两个文件，并覆盖原来的文件也是可行的。只要你按照它的说明去做即可。(再说一遍，最好不要覆盖这两个文件)

3.  打开 SP_ROOT/metis/CMakeLists.txt，在行project(METIS)后面加上命令 cmake_policy(SET CMP0022 NEW)，

即：

cmake_minimum_required(VERSION 2.8)
project(METIS)
cmake_policy(SET CMP0022 NEW)
set(GKLIB_PATH "GKlib" CACHE PATH "path to GKlib")
set(SHARED FALSE CACHE BOOL "build a shared library")

if(MSVC)
  set(METIS_INSTALL FALSE)
else()
  set(METIS_INSTALL TRUE)
endif()

# Configure libmetis library.
if(SHARED)
  set(METIS_LIBRARY_TYPE SHARED)
else()
  set(METIS_LIBRARY_TYPE STATIC)
endif(SHARED)

include(${GKLIB_PATH}/GKlibSystem.cmake)
# Add include directories.
include_directories(${GKLIB_PATH})
include_directories(include)
# Recursively look for CMakeLists.txt in subdirs.
add_subdirectory("include")
add_subdirectory("libmetis")
add_subdirectory("programs")

另外，如果你要使用CUDA，注意版本，具体见图：

4.  运行 CMake (cmake-gui)，

然后：

•    设置"Source code"为SP_ROOT
•  设置"Build" 路径为任何空的路径，一般SP_ROOT/build
•  按 "Configure"。
•    然后你会发现有很多红的地方，你可以点击它们，再"Configure"，尤其注意的是为了避免一些编译器中关于复数可能会出      错，HAVE_COMPLEX 被关闭。(但是经过我在平台上再三测试，你最好不要去勾,否则很容易在后面的编译阶段发生错误.)
•  按 "Generate" 

如图：

5.编译和安装

在 Visual Studio,打开SuiteSparseProject.sln，并且建立Debug 和Release两种模式下的INSTALL 工程（设为启动项目）。

可能会出现很多的警告，不过一切都是OK的。

6.注意：  SuiteSparseConfig.cmake应该位于install路径下，它将用于你的项目正确地连接到SuiteSparse

如图即为cmake的结果：

这样的话，就安装好了。我们接下来，就可以使用了。我们是在Eigen中使用这个库的，因为Eigen已经封装了它的接口。

举例：

#include <iostream>
#include "Eigen/Eigen"
#include "Eigen/SPQRSupport"
using namespace Eigen ;
int main ( ) {
	
	SparseMatrix < double > A ( 4 , 4 ) ;
	std :: vector < Triplet < double > > triplets ;

	// 初始化非零元素
	int r [ 3 ] = { 0 , 1 , 2 } ;
	int c [ 3 ] = { 1 , 2 , 2 } ;
	double val [ 3 ] = { 6.1 , 7.2 , 8.3 } ;
	for ( int i = 0 ; i < 3 ; ++ i )
		triplets . push_back( Triplet < double >(r [ i ] , c [ i ] , val [ i ]) ) ;

	// 初始化稀疏矩阵
	A . setFromTriplets ( triplets . begin ( ) , triplets . end ( ) ) ;
	std :: cout << "A = \n" << A << std :: endl ;

	// 一个QR分解的实例
	SPQR < SparseMatrix < double > > qr ;
	// 计算分解
	qr . compute ( A ) ;
	// 求一个A x = b
	Vector4d b ( 1 , 2 , 3 , 4 ) ;
	Vector4d x = qr . solve ( b ) ;
	std :: cout << "x = \n" << x ;
	std :: cout << "A x = \n" << A * x ;

	return 0 ;
}

具体可参考：< Eigen 3.2稀疏矩阵入门>。

使用方法：

 安装好Eigen，将源程序路径加入vs2008的C++包含路径中，如图：

然后加入刚才编译的SuiteSparse库的相关文件。见图：

在项目-》属性-》C/c++ -》常规 -》附加包含目录中，加入SP_ROOT\build\install\include和SP_ROOT\build\install\include\suitesparse

链接器-》常规-》附加库目录，加入SP_ROOT\build\install\lib, SP_ROOT\build\install\lib\lapack_blas_windows

,SP_ROOT\build\install\lib64,SP_ROOT\build\lib\Debug

如图：

链接器-》输入-》附加依赖项，加入：

debug模式下：

libamdd.lib
libbtfd.lib
libcamdd.lib
libccolamdd.lib
libcholmodd.lib
libcolamdd.lib
libcxsparsed.lib
libklud.lib
libldld.lib
libspqrd.lib
libumfpackd.lib
suitesparseconfigd.lib
libblas.lib
liblapack.lib
metisd.lib

注意以上为debug模式下，Release模式下同理加入相对的lib。

Release模式下:

libamd.lib

libbtf.lib

libcamd.lib

libccolamd.lib

libcholmod.lib

libcolamd.lib

libcxsparse.lib

libklu.lib

libldl.lib

libspqr.lib

metis.lib

suitesparseconfig.lib

libblas.lib

liblapack.lib

最后在生成的debug文件下加入如下dll，

libblas.dll

libgcc_s_dw2-1.dll

libgfortran-3.dll

liblapack.dll

libquadmath-0.dll

可以在SP_ROOT\build\install\lib\lapack_blas_windows中找到，复制即可。

这样就可以运行了，结果为：

附：
我编译的库：

• vs2008： http://pan.baidu.com/s/1bnme4Rd
• vs2010:   http://pan.baidu.com/s/1dDr0bj7
• vs2008测试例子：http://pan.baidu.com/s/1jGCU6lK
• vs2010测试例子：http://pan.baidu.com/s/1qWL5MW0