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 (xn-1/xn) 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。
在这里插入图片描述

首先,选择一个接近函数 f(x) 零点的点,如图为
( x n , f ( x n ) ) (x_n, f(x_n)) (xn,f(xn))
计算相应的切线斜率
f ′ ( x n ) {f^{'}(x_n)} f(xn) k = t a n α = y 2 − y 1 x 2 − x 1 k = tan\alpha = \frac{y_2 - y_1}{x_2 - x_1} k=tanα=x2x1y2y1
得到如下方式
y = f ( x n ) + f ′ ( x n ) ( x n + 1 − x n ) y = f(x_n) + f'(x_n)(x_{n+1} - x_n) y=f(xn)+f(xn)(xn+1xn)
和 x 轴的交点坐标,也就是下面方式的解:
f ( x n ) + f ′ ( x n ) ( x n + 1 − x n ) = 0 f(x_n) + f'(x_n)(x_{n+1} - x_n) = 0 f(xn)+f(xn)(xn+1xn)=0
通常 x n + 1 x_{n+1} xn+1 会比 x n x_n xn 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 − f ( x n ) f ′ ( x n ) \mathbb{x_{n+1} = x_n - \frac{f(x_n)}{f^{'}(x_n)}} xn+1=xnf(xn)f(xn)
例: a x 3 + b x 2 + c x + d = 0 ax^3 + bx^2 + cx + d = 0 ax3+bx2+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
x 2 = n x 2 − n = 0 f ( x ) = x 2 − n x^2 = n\\ x^2 - n = 0\\ f(x) = x^2 - n x2=nx2n=0f(x)=x2n
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 − x 2 − n 2 x = 1 2 ( x + n x ) x_{n+1} = x - \frac{x^2 - n}{2x} = \frac{1}{2}(x + \frac{n}{x}) xn+1=x2xx2n=21(x+xn)
1 2 ( 4 + 2 4 ) = 2.25 1 2 ( 2.25 + 2 2.25 ) = 1.56944 1 2 ( 1.56944 + 2 1.56944 ) = 1.42189 1 2 ( 1.42189 + 2 1.42189 ) = 1.41423 \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 21(4+42)=2.2521(2.25+2.252)=1.5694421(1.56944+1.569442)=1.4218921(1.42189+1.421892)=1.41423

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 ) s = f(t) s=f(t) ,且 f ( t ) f(t) f(t) t = t 0 t = t_0 t=t0 时的导数 f ′ ( t 0 ) f'(t_0) f(t0) 存在;则在物理上, f ′ ( t 0 ) f'(t_0) f(t0) 表示物体在时刻 $ t_0$ 的瞬时速度 v ( t ) v{(t)} v(t),而 v ′ ( t ) v'{(t)} v(t) 为加速度,即时间 f ’ ′ ( t ) f’'(t) f(t) 为加速度!

  • 68
    点赞
  • 295
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

奋飛

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值