feat: 前向自动微分纯头文件库

include/dual.hpp

@@ -0,0 +1,65 @@
+/*对偶数的声明部分*/
+#pragma once
+#include <iostream>
+#include <vector>
+#include <cmath>
+#include "types/dual.hpp"
+
+// 前向自动微分的运算部分，两个deriv相乘为0
+namespace forwardad{
+    // 加减乘除
+    inline Dual operator+(const Dual& a, const Dual& b) {
+        return Dual(a.value + b.value, a.deriv + b.deriv);
+    }
+
+    inline Dual operator-(const Dual& a, const Dual& b) {
+        return Dual(a.value - b.value, a.deriv - b.deriv);
+    }
+
+    inline Dual operator*(const Dual& a, const Dual& b) {
+        return Dual(a.value * b.value, a.value * b.deriv + a.deriv * b.value);
+    }
+
+    inline Dual operator/(const Dual& a, const Dual& b) {
+        return Dual(a.value / b.value, (a.deriv * b.value - a.value * b.deriv) / (b.value * b.value));
+    }
+
+    // 下面的函数需要用到链式法则(使用泰勒展开后保留一次项)
+    // 三角函数
+    inline Dual sin(const Dual& x) {
+        return Dual(std::sin(x.value), std::cos(x.value) * x.deriv);
+    }
+
+    inline Dual cos(const Dual& x) {
+        return Dual(std::cos(x.value), -std::sin(x.value) * x.deriv);
+    }
+
+    // 指数和对数
+    inline Dual exp(const Dual& x) {
+        double exp_val = std::exp(x.value);
+        return Dual(exp_val, exp_val * x.deriv);
+    }
+
+    inline Dual log(const Dual& x) {
+        return Dual(std::log(x.value), x.deriv / x.value);
+    }
+
+    // 幂函数
+    inline Dual pow(const Dual& x, double n) {
+        double pow_val = std::pow(x.value, n);
+        return Dual(pow_val, n * std::pow(x.value, n - 1) * x.deriv);
+    }
+
+    // 反三角函数
+    inline Dual asin(const Dual& x) {
+        return Dual(std::asin(x.value), x.deriv / std::sqrt(1 - x.value * x.value));
+    }
+
+    inline Dual acos(const Dual& x) {
+        return Dual(std::acos(x.value), -x.deriv / std::sqrt(1 - x.value * x.value));
+    }
+
+    inline Dual atan(const Dual& x) {
+        return Dual(std::atan(x.value), x.deriv / (1 + x.value * x.value));
+    }
+}// namespace forwardad

include/forwardad.hpp

@@ -0,0 +1,38 @@
+/*前向自动微分的声明部分*/
+#pragma once
+#include <iostream>
+#include <vector>
+#include <functional>
+#include "dual.hpp"
+#include "types/common.hpp"
+
+namespace forwardad{
+
+template <typename Func, typename... Args>
+Result diff(const Func& f, Args... args) {
+    Result res;
+    constexpr size_t N = sizeof...(Args);
+    res.gradient.resize(N);
+
+    // 1. 计算函数值（所有导数为 0）
+    Dual value_res = f(Dual((double)args, 0.0)...);
+    res.value = value_res.value;
+
+    // 2. 对每个输入变量求偏导（seed 依次设为 1）
+    double args_arr[] = { (double)args... };
+    [&]<size_t... Is>(std::index_sequence<Is...>) {
+        ([&]() {
+            // 创建 Dual 输入，第 Is 个变量导数=1，其余=0
+            Dual inputs[N];
+            for (size_t j = 0; j < N; ++j)
+                inputs[j] = Dual(args_arr[j], j == Is ? 1.0 : 0.0);
+            // 用内层 index_sequence 展开所有 N 个参数传给 f
+            res.gradient[Is] = [&]<size_t... Js>(std::index_sequence<Js...>) {
+                return f(inputs[Js]...).deriv;
+            }(std::make_index_sequence<N>{});
+        }(), ...);
+    }(std::make_index_sequence<N>{});
+
+    return res;
+}
+} // namespace forwardad

include/types/README.md

@@ -0,0 +1 @@
+### 类模型定义

include/types/common.hpp

@@ -0,0 +1,9 @@
+/*返回数据结构体*/
+#include <vector>
+
+namespace forwardad{
+    struct Result{
+        double value; // 函数值
+        std::vector<double> gradient; // 梯度
+    };
+}

include/types/dual.hpp

@@ -0,0 +1,12 @@
+/*对偶数的数据类型定义部分*/
+#pragma once
+
+namespace forwardad {
+struct Dual {
+    double value;
+    double deriv;
+
+    Dual(double v = 0.0, double d = 0.0) : value(v), deriv(d) {}
+
+};
+} // namespace forwardad