正如我在一篇评论中提到的,加快速度的唯一方法就是转换序列。这里有一个与Euler变换相关的非常简单的方法(参见roippi's link):对于一个交替序列的和,创建一个新的序列,由每对连续部分和的平均值组成。例如,给定交替序列a0 -a1 +a2 -a3 +a4 ...
当所有a都为正时,部分和的序列为:
^{pr2}$
然后新的衍生序列是:(s0+s1)/2 (s1+s2)/2 (s2+s3)/2 (s3+s4)/2 ...
这通常可以更快地收敛,同样的想法也可以应用到这个序列中。也就是说,创建另一个新的序列,平均序列的项。这可以无限期地进行下去。在这里,我将更进一步:from math import pi
def leibniz():
from itertools import count
s, x = 1.0, 0.0
for i in count(1, 2):
x += 4.0*s/i
s = -s
yield x
def avg(seq):
a = next(seq)
while True:
b = next(seq)
yield (a + b) / 2.0
a = b
base = leibniz()
d1 = avg(base)
d2 = avg(d1)
d3 = avg(d2)
for i in range(20):
x = next(d3)
print("{:.6f} {:8.4%}".format(x, (x - pi)/pi))
输出:3.161905 0.6466%
3.136508 -0.1619%
3.143434 0.0586%
3.140770 -0.0262%
3.142014 0.0134%
3.141355 -0.0076%
3.141736 0.0046%
3.141501 -0.0029%
3.141654 0.0020%
3.141550 -0.0014%
3.141623 0.0010%
3.141570 -0.0007%
3.141610 0.0005%
3.141580 -0.0004%
3.141603 0.0003%
3.141585 -0.0003%
3.141599 0.0002%
3.141587 -0.0002%
3.141597 0.0001%
3.141589 -0.0001%
所以在仅仅20个术语之后,我们已经得到π到了6个有效数字。基本莱布尼兹序列仍在2位数左右正确:>>> next(base)
3.099944032373808
这是一个巨大的进步。这里的一个关键点是基Leibniz序列的部分和给出了介于“太大”和“太小”之间的近似值。这就是为什么平均他们更接近真相。同样的(在“太大”和“太小”之间交替出现)也适用于派生序列,因此平均它们的项也有帮助。在
当然,那都是波浪形的。严格的辩护可能不是你感兴趣的;-)