python二分法求最值_数值分析之二分法、试值法 python

@ 数值分析之非线性方程求解

文章目录

二分法、试值法的本质

(1) 二分法求利率

题目

输入输出格式

举例

输入：

输出：

思路和要点

代码

结果

(2)试值法法求利率

题目

输入输出格式

举例

输入：

输出：

思路和要点

代码

结果

二分法、试值法的本质

二分法，试值法主要依靠在确定区间[a,b]上，f(a)f(b)<0来迭代找根，这个区间内只能有单解，然后缩小区间，逼近精确解，这统称为全局收敛法。

但是如果区间内有多个根，就要用不同区间来寻找根。而牛顿-拉夫森法和割线法能解决多解问题。

这类方法要求给定一个接近根的值保证收敛性，此称为局部收敛法，局部收敛速度大于全局收敛速度。

一些混合方法先采用全局收敛法，当迭代逼近根后切换局部收敛法。不动点迭代属于简单迭代，也只能求解单解问题，但是如果和求近似根的算法结合，就能处理多解问题，而这一综合算法的不动点迭代法将在下一篇展示。

(1) 二分法求利率

题目

如果在240个月内每月付款300美元，使用二分法在利率区间[a,b] 内，

求能够满足在这240个月之后,本金和利息总值达到50万美元的利率值，精确到小数点后第d位。

输入输出格式

【输入形式】在屏幕上输入3个数，依次为利率区间左端点值a、右端点值b和精确到小数点后d位。

各数间都以一个空格分隔。测试用例的输入满足：b>a>0, 1<=d<=8, d为正整数。

【输出形式】输出两行数据，第一行为迭代次数，第二行为求得的利率，保留d位小数。

举例

输入：

0.15 0.16 8

输出：

20

0.15753931

思路和要点

(1)精确到n位小数，需要一个相对误差的概念，一般来说，精确到小数点后n位，即delta=10e-n，要求最后的左右区间之差小于delta，也是迭代判定条件

(2)需要构建非线性方程，这里就是需要找到一个n(年利率)能带入方程与500000的差越小越好。这就需要知道本金利息是怎么计算的计算，公式如下。其中I是年利率，所以分摊到每月要除以12。

代码

// 二分法求利率

import numpy as np

def func(n):

return 500000-300*12*(pow(1+n/12,240)-1)/n

#这里是设定函数 f(n)是求最后得到的本兮和500000的差值

#n/12的原因是n是年利率，分摊到每个月，要除以12

def main():

n = np.array(input().split(),dtype = np.float64)

left = n[0]

right = n[1]

delta = 0.5*pow(10,-int(n[2]))

count = 0 #迭代次数

mid = (left+right)/2

while (right-left)>delta: #非线性方程求近似解判定条件

count += 1

if func(mid)>0:

left = mid

elif func(mid)<0:

right = mid

elif func(mid)==0: #完美解

break

mid = (left+right)/2

print(count)

print(round(mid,int(n[2])))

if __name__ =='__main__':

main()

结果

(2)试值法法求利率

题目

如果在240个月内每月付款300美元，使用二分法在利率区间[a,b] 内，

求能够满足在这240个月之后,本金和利息总值达到50万美元的利率值，精确到小数点后第d位。

输入输出格式

【输入形式】在屏幕上输入3个数，依次为利率区间左端点值a、右端点值b和精确到小数点后d位。

各数间都以一个空格分隔。测试用例的输入满足：b>a>0, 1<=d<=8, d为正整数。

【输出形式】输出两行数据，第一行为迭代次数，第二行为求得的利率，保留d位小数。

举例

输入：

0.15 0.16 8

输出：

5

0.15753931

思路和要点

(1)试值法和二分法的共同点：试值法又叫试位法，和二分法的本质一样，都是依靠f(a)*f(b)<0来确定可导区间内至少存在一个值，通过缩小区间来求解，但是二分法收敛速度慢。所以试值法是对二分法的改进。

(2)改进之处：二分法是使用区间[a,b]的中点来迭代，试值法是寻找经过(a,f(a))和(b,f(b))的割线L与x轴的交点(c,0)，则能得到一个更好的近似值，代码段中的fun_c(a,b)函数就是通过斜率来求c的值。

代码

// 试值法求利率

import numpy as np

def func(x):#带入x后的函数值

return 500000-300 * 12 * (pow((1 + x / 12), 240) - 1) / x

def func_c(a, b):

#a为函数区间左端点，b是右端点

return b - (func(b) * (b - a)) / (func(b) - func(a))

#返回a,b两点连线与x轴的交点(c,0)的横坐标

def main():

n = np.array(input().split(), dtype=np.float64)

a = n[0]

b = n[1]

delta = 0.5 * 10 ** (-int(n[2]))

#精确到小数点后n位：近似值的绝对误差小于小数点后n位上的半个单位

epsilon = 0.0001

count = 0

if func(a) * func(b) > 0:#说明这段区间上没有解或有多个解

return -1

else:

while True:

count += 1 #count迭代次数

c = func_c(a, b)

if func(c)==0: #c刚好就是所求解

break

elif func(a) * func(c) > 0:#解在c,b之间

a = c

c = func_c(a, b)

elif func(a)*func(c)<0: #解在a,c之前

b = c

c = func_c(a, b)

if abs(b - a) < delta: #区间范围

break

if abs(func(c)) < epsilon: #函数值小于误差范围

break

print(count)

print(round(c, int(n[2])))

if __name__ == '__main__':

main()

结果