算法--迭代法

迭代法

迭代法（Iteration）是一种不断用变量的旧值递推出新值的解决问题的方法。迭代算法是用计算机解决问题的一种基本方法，一般用于数值计算。累加、累乘都是迭代算法的基础应用。典型案例：牛顿迭代法”。

步骤：

• 确定迭代模型：分析得出前一个（或几个）值与其下一个值的迭代关系数学模型；
• 建立迭代关系式
• 对迭代过程进行控制

经典案例：

示例： 斐波那契数列：1、1、2、3、5、8、13、21、34

function fibonacci(n) {
	let a = 1, b = 1, c = 1
    for(let i = 2; i <= n; i++) {
        c = a + b
        a = b
        b = c
    }  
    return c
}

对于斐波那契数列，当n趋于无穷时，数列最后的两项的商 (x_n-1/x_n) 趋于黄金分割数0.618

示例： 最大公约数，采用辗转相除法（欧几里得算法）

定理：两个整数的最大公约数等于其中较小的那个数，和两数相除余数的最大公约数。

gcd(a, b) = gcd(a, a mod b)

function gcd (a, b) {
	if (a < b) {
        [a, b] = [b, a]
    }
	let temp
	while (b > 0) {
		temp = a % b
		a = b
		b = temp
	}
	return a
}

示例： 牛顿迭代法

一种在实数域和复数域上近似求解方程的方法，其比一般的迭代法有更高的收敛速度。

首先，选择一个接近函数 f(x) 零点的点，如图为
$$(x_n,f(x_n))$$
计算相应的切线斜率
$$f^{{}^{\prime }}(x_n)$$ $$k=tan\alpha =\frac{y_2-y_1}{x_2-x_1}$$
得到如下方式
$$y=f(x_n)+f^{\prime }(x_n)(x_{n+1}-x_n)$$
和 x 轴的交点坐标，也就是下面方式的解：
$$f(x_n)+f^{\prime }(x_n)(x_{n+1}-x_n)=0$$
通常 $x_{n+1}$ 会比 $x_n$ 更接近方程的解，接下来继续迭代，直到达到要求的精度即可。

$$x_{n+1}=x_n-\frac{f(x_n)}{f^{{}^{\prime }}(x_n)}$$
例： 求 $a{x}^3+b{x}^2+cx+d=0$ 方程的根，系数分别是1，2，3，4。求x在1附近的一个实根。

function f(a, b, c, d) {
	let x0, x1 = 1, f0, f1
	do {
		x0 = x1
		f0 = a * Math.pow(x0, 3) + b * Math.pow(x0, 2) + c * x0 + d
		// 求导后函数
		f1 = 3 * a * Math.pow(x0, 2) + 2 * b * x0 + c
		x1 = x0 - f0/f1
	} while (Math.abs(x1 - x0) >= Math.pow(Math.E, -4)) 
	return x1
}

例：求根号x的近似值
$$\begin{gathered} x^2=n \\ {x}^2-n=0 \\ f(x)=x^2-n \end{gathered}$$
我想求根号2等于多少，我猜测值为4（首先随便猜一个近似值x），根据牛顿迭代定律：$$x_{n+1}=x-\frac{x^2-n}{2x}=\frac{1}{2}(x+\frac{n}{x})$$
$$\begin{gathered} \frac{1}{2}(4+\frac{2}{4})=2.25 \\ \frac{1}{2}(2.25+\frac{2}{2.25})=1.56944 \\ \frac{1}{2}(1.56944+\frac{2}{1.56944})=1.42189 \\ \frac{1}{2}(1.42189+\frac{2}{1.42189})=1.41423 \end{gathered}$$

function mySqrt (num) {
    let x0, x1 = 4, f0, f1
    do {
      	x0 = x1
		f0 = Math.pow(x0, 2) - num
		// 求导后函数
		f1 = 2 * x0
		x1 = x0 - f0/f1  
    } while (Math.abs(x1 - x0) >= Math.pow(Math.E, -4)) 
    return x1
}

引深：

物体直线运动时，路程 s 与时间 t 的函数关系为 $s=f(t)$ ，且 $f(t)$ 在 $t=t_0$ 时的导数 $f^{\prime }(t_0)$ 存在；则在物理上，$f^{\prime }(t_0)$ 表示物体在时刻 $ t_0$ 的瞬时速度 $v(t)$，而$v^{\prime }(t)$ 为加速度，即时间 $f{’}^{\prime }(t)$ 为加速度！