今天打算改进一维搜索算法
要求一维搜索类做到以下几点：
1.在失败时，能够返回失败的具体原因，以便根据不同情况分别处理
2.尽可能找到使得函数充分下降的步长
发现初始步长选得不是越小越好，太小的步长会出现数值误差，导致一维搜索出错
能够把参数记下来下次使用
当前采用了一些改进，包括
1. 在共轭梯度法和牛顿法中，强制限制每次迭代的参数最大增量，避免Hessian不定、半正定等情况导致的参数突变
2. 在共轭梯度法迭代过程中，参考上次迭代的步长作为初始步长
3. 在每一帧的解算中，利用上一帧第一次迭代的初始步长作为本帧第一次迭代的初始步长
4. 当牛顿法解H * dP = -G计算出的方向不为下降方向时，本次迭代直接采用梯度下降
5. 一维搜索估计函数最小值点时，若各种拟合方法均找不到合适的点，直接使用中点，而不是使用区间断点，避免迭代死循环
下一步测试一些比较复杂的例子，看模拟是否稳定。