function?[xfvalexitflagoutputgrad]=fminlbfgsWEI（funfcnx_initoptim）

%FMINLBFGS?尋找多變量函數(shù)局部最小值?
%???此優(yōu)化器為具有大量未知變量的圖像配準(zhǔn)方法而開發(fā)?
%
%???所支持優(yōu)化方法：
%	-?擬牛頓法（BFGS）??
%???-?有限存儲BFGS?（L-BFGS）
%???-?最陡梯度下降優(yōu)化
%???
%???[XFVALEXITFLAGOUTPUTGRAD]?=?FMINLBFGS（FUNX0OPTIONS）?
%
%???輸入
%		FUN:?被最小化函數(shù)的句柄或字符串，返回誤差值，誤差梯度如在輸出指定也返回
%		X0:?未知量初始值，可為標(biāo)量，向量，或矩陣（可選）
%		OPTIONS:?對應(yīng)優(yōu)化器可選項的結(jié)構(gòu)變量，自定義或者來自optimset（optimset不支持所有輸入選項）
%
%???輸出
%		X?:?所找到的最小化函數(shù)的位置（值）
%		FVAL?:?所找到的最小值
%		EXITFLAG?:?解釋優(yōu)化器停止原因（條件）所對應(yīng)的值
%		OUTPUT?:?含所有重要輸出值與參數(shù)的結(jié)構(gòu)變量
%		GRAD?:?此位置上的梯度?
%
%???輸入/輸出變量擴展描述?
%???OPTIONS
%		OPTIONS.GoalsExactAchieve?:?置0，線搜索（一維搜索）；置1，滿足Wolfe條件的正態(tài)線搜索（默認）
%		OPTIONS.GradConstr?如果梯度調(diào)用是CPU代價高昂的（默認），置變量值為真;如置為假，梯度調(diào)用多，函數(shù)調(diào)用少
%	????OPTIONS.HessUpdate?:?置為?‘bfgs‘采用BFGS優(yōu)化方法（默認），未知量多于3000時，切換到有限內(nèi)存BFGS方法，
%???????????????與置為‘lbfgs‘相同；置為?‘steepdesc‘?采用最陡梯度下降優(yōu)化方法?
%		OPTIONS.StoreN?:?用于L-BFGS中近似Hessian矩陣的迭代次數(shù)，默認值20；對不平滑函數(shù)，小值可能更好，
%???????????????因為Hessian僅在特定位置有效；對二次式推薦用大值?
%		OPTIONS.GradObj?:?如果有梯度，置為?‘on‘；否則采用有限差分
%?????	OPTIONS.Display?:?顯示的等級。?‘off‘?不顯示輸出；‘plot‘顯示圖中所有線搜索結(jié)果；?
%???????????????‘iter‘顯示每一次迭代的輸出；‘final‘只顯示最終輸出；?‘notify‘僅在函數(shù)不收斂時顯示輸出?
%	????OPTIONS.TolX?:?x的中止容限，默認值?1e-6.
%	????OPTIONS.TolFun?:?函數(shù)值中止容限，默認值?1e-6.
%		OPTIONS.MaxIter?:?最大迭代次數(shù)，默認值?400.
%?		OPTIONS.MaxFunEvals?:?函數(shù)估值最大次數(shù)，默認值為未知變量數(shù)目100倍
%		OPTIONS.DiffMaxChange?:?有限差分梯度用最大步長
%		OPTIONS.DiffMinChange?:?有限差分梯度用最小步長
%		OPTIONS.OutputFcn?:?用戶定義函數(shù)，優(yōu)化器函數(shù)在每次迭代時調(diào)用
%		OPTIONS.rho?:?梯度的Wolfe條件?默認值?0.01
%		OPTIONS.sigma?:?梯度的Wolfe條件?默認值?0.9?
%		OPTIONS.tau1?:?步長變大時的搜索范圍擴展，默認值?3
%		OPTIONS.tau2?:?范圍切分階段（section?phase）左邊界縮減，默認值?0.1
%		OPTIONS.tau3?:?范圍切分階段（section?phase）右邊界縮減，默認值?0.5
%???FUN
%		同時提供X處梯度能改進優(yōu)化器速度，把?FUN?函數(shù)寫為如下形式
%???	function?[fg]=FUN（X）
%???????	f??X處的值計算;
%???	if?（?nargout?>?1?）
%???????	g??X處的梯度計算
%???	end
%	EXITFLAG
%		EXITFLAG可能的取值，對應(yīng)退出條件
%		1?‘Change?in?the?objective?function?value?was?less?than?the?specified?tolerance?TolFun.‘
%???????????（目標(biāo)函數(shù)值變化小于指定的容限TolFun）
%??		2?‘Change?in?x?was?smaller?than?the?specified?tolerance?TolX.‘;
%???????????（X變化小于指定容限TolX）
%??		3?‘Magnitude?of?gradient?smaller?than?the?specified?tolerance‘;
%???????????（梯度值小于指定容限）
%??		4?‘Boundary?fminimum?reached.‘
%???????????（達到fminimum邊界）
%??		0?‘Number?of?iterations?exceeded?options.?MaxIter?or?number?of?function?evaluations?exceeded?options.FunEvals.‘
%???????????（迭代次數(shù)超限，MaxIter或者函數(shù)估值次數(shù)超過options.FunEvals）
%??		-1?‘Algorithm?was?terminated?by?the?output?function.‘
%???????????（輸出函數(shù)（output）中止了算法）
%??		-2?‘Line?search?cannot?find?an?acceptable?point?along?the?current?search‘;
%???????????（沿著當(dāng)前搜索，線搜索無法找到一個可接受點）
%
%???舉例
%???????options?=?optimset（‘GradObj‘‘on‘）;
%???????X?=?fminlbfgs（@myfun2options）
%
%???	%?其中?myfun是一個MATLAB函數(shù)，例如
%???????function?[fg]?=?myfun（x）
%???????f?=?sin（x）?+?3;
%	????if?（?nargout?>?1?）?g?=?cos（x）;?end
%
%?See?also?OPTIMSET?FMINSEARCH?FMINBND?FMINCON?FMINUNC?@?INLINE.
%
%?Function?is?written?by?D.