算法--迭代法
原创
©著作权归作者所有:来自51CTO博客作者此时奋飛的原创作品,请联系作者获取转载授权,否则将追究法律责任
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。
首先,选择一个接近函数 f(x) 零点的点,如图为
计算相应的切线斜率
得到如下方式
和 x 轴的交点坐标,也就是下面方式的解:
通常 会比
例: 求
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
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:
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 ,且 在 时的导数 存在;则在物理上, 表示物体在时刻 $ t_0$ 的瞬时速度 ,而 为加速度,即时间