牛顿下山法（Python实现）

3、Python实现

4、结果

5、展望

---

1、原理

2、案例

3、Python实现

import numpy as np

Store the iteration value of each step

result = []

Store downhill factors for each step

all_r = []

Judge whether it is singular. True is singular and false is nonsingular

def strange(xk):

return True if (0.5xk**(-1/2)-3xk**2) == 0 else False

Primitive function

def fx(xk):

return xk**(1/2)-xk**3+2

Newton iterative formula

xk is the iterative value and r is the downhill factor

def nd(xk, r):

return xk - fx(xk) / (0.5xk**(-1/2)-3xk**2) * r

Newton downhill formula

return True Downhill success False Downhill failure

def nd_xs(xk, m):

r = 1

count = 1

while True:

if count > m:

return False

xk1 = nd(xk, r)

if abs(fx(xk1)) < abs(fx(xk)):

result.append(xk1)

all_r.append®

return True

else:

r *= 0.5

count += 1

Main function

def main():

initial value

x = float(input(“Please enter the initial value：”))

result.append(x)

Error limit

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！