牛顿迭代法,第二次看了,发现几乎又是从头开始搜集资料,不如整理记录一下,也和大家分享一下;
牛顿迭代法的核心思想是:切线是曲线的线性逼近,通过迭代求切线最后找到函数近似解的过程。具体可以参考下面这个文章,图示画的很容易理解。
牛顿迭代法求平方根(通俗易懂版)_付石头的博客-CSDN博客_迭代法求平方根
既然理解和其核心思想,那么就开始进行公式推导:
对上图求f(x)的零点x0即:f(x)=0的解,由牛顿迭代的核心思想可知,是比更靠近的点;那么和直接的关系可以描述为 斜率等于tan角。从而推导出牛顿迭代法的核心公式:
而对于求解,我们是知道x的,因此y是未知数,即求解的值。因此可得:
将其带入牛顿迭代公式得:
在进行平方根倒数求解的时候,初值的选择有一个大而神秘的讲究,有一个魔法数字大大提升了迭代效率,可以参考如下文章,或者Lomont的论文《Fast Inverse Square Root》。
0x5f375a86魔法数字_「已注销」的博客-CSDN博客
将上式的y提出来,得到下图代码中的
其中f表示浮点数float,对此式迭代一次精度会有损失,计算速度快,选择迭代两次精度会大大提高,计算速率慢。此方法也经常用到芯片设计中对数求平方根的倒数,只需要两次迭代即可求出。
float isqrt_nosse(float x)
{
float xh = 0.5f * x;
std::int32_t i = *(std::int32_t*) &x;
// "magic number" which makes a very good first guess
i = 0x5f375a86 - (i >> 1);
x = *(float*) &i;
// Newton's method. One iteration for less accuracy but more speed.
x = x * (1.5f - xh * (x * x));
return x;
}