[计算机数值分析]迭代法求根过程的加速

Spring-_-Bear 的 CSDN 博客导航

---

对于收敛的迭代过程，只要迭代足够多次，就可以使得结果达到任意精度，但有时迭代过程收敛缓慢，从而使计算量变得很大，因此对迭代过程加速的研究显得尤为重要。

设 $x_k$ 是根 $x^{\ast }$ 的某个近似值，用迭代公式校正一次得

$${\overline{x}}_{k+1}=\phi (x_k)$$

假设 ${\phi }^{\prime }(x)$ 在所考察得范围内改变不大，其估计值为 L，则有

$$x^{\ast }-{\overline{x}}_{k+1}\approx L(x^{\ast }-x_k)$$

由此解出 $x^{\ast }$ 得

$$x^{\ast }\approx \frac{1}{1-L}{\overline{x}}_{k+1}-\frac{L}{1-L}{x}_k$$

也就是说，如果将迭代值 ${\overline{x}}_{k+1}$ 与迭代初值 $x_k$ 进行加权平均，可以期望所得到得解是比 ${\overline{x}}_{k+1}$ 更好的近似根。

总的来说，通过给定估计值 L 的控制，对一次迭代值跟迭代初值进行加权平均，我们有理由相信加权后的解相比加权前的解可以是更好的近似根。

运行示例：

1. 此为 未对迭代过程加速，找到符合精度要求的近似根，需要迭代 9 次。

2. 此为加速迭代过程，估计值 L 取 0.2，迭代 4 次后找到符合精度要求的根。显然，加速的效果是显著的。

程序源码：

#include <iostream>
#include <cmath>

using namespace std;

/**
 * 原函数 f(x) = (x+1)^(1/3)
 */
double f(double x)
{
    return pow(x + 1, 1.0 / 3);
}

int main(void)
{
    double x0;
    cout << "请输入迭代初值：";
    cin >> x0;

    double accrucy;
    cout << "请输入精度：";
    cin >> accrucy;

    int n;
    cout << "请输入您想要的最大迭代次数：";
    cin >> n;

    double L;
    cout << "请输入估计值 L：";
    cin >> L;

    double x2;
    int count = 0;
    do
    {
        double x1 = f(x0);
        // 对迭代值 x1 与 x0 进行加权平均得到 x2
        x2 = 1.0 / (1 - L) * x1 - L / (1 - L) * x0;

        if (abs(x0 - x2) < accrucy)
        {
            cout << "近似解为：" << x2 << endl;
            break;
        }

        // 继续下一次迭代，直至找到符合精度要求的根或最大迭代次数用完
        cout << "第" << ++count << "次迭代！\t迭代函数的值为:" << x2 << "\t此次迭代精度为:" << abs(x2 - x0) << endl;
        double item = x0;
        x0 = x2;
        x2 = item;

        if (count > n)
        {
            cout << "迭代次数耗尽，迭代结束！未找到符合精度要求的根！！！" << endl;
            break;
        }
    } while (abs(x0 - x2) >= accrucy);

    return 0;
}