brentq#
- scipy.optimize.brentq(f, a, b, args=(), xtol=2e-12, rtol=np.float64(8.881784197001252e-16), maxiter=100, full_output=False, disp=True)[source]#
使用 Brent 方法在括号区间内查找函数的根。
使用经典的 Brent 方法在变号区间 [a, b] 上查找函数 f 的根。它通常被认为是这里最好的求根例程。它是割线法的一种安全版本,使用逆二次外推。Brent 方法结合了根区间确定、区间二分和逆二次插值。它有时被称为 van Wijngaarden-Dekker-Brent 方法。Brent (1973) 声称对于在 [a,b] 内可计算的函数,收敛性是有保证的。
[Brent1973] 提供了该算法的经典描述。在最新版的《数值食谱》中可以找到另一个描述,包括 [PressEtal1992]。第三个描述位于 https://mathworld.net.cn/BrentsMethod.html。通过阅读我们的代码,应该很容易理解该算法。我们的代码与标准介绍略有不同:我们为外推步骤选择了一个不同的公式。
- 参数:
- f函数
返回一个数值的 Python 函数。函数 \(f\) 必须是连续的,且 \(f(a)\) 和 \(f(b)\) 必须具有相反的符号。
- a标量
括号区间 \([a, b]\) 的一端。
- b标量
括号区间 \([a, b]\) 的另一端。
- xtol数值,可选
计算出的根
x0
将满足np.isclose(x, x0, atol=xtol, rtol=rtol)
,其中x
是精确的根。该参数必须为正。对于良好的函数,Brent 方法通常会使用xtol/2
和rtol/2
来满足上述条件。 [Brent1973]- rtol数值,可选
计算出的根
x0
将满足np.isclose(x, x0, atol=xtol, rtol=rtol)
,其中x
是精确的根。该参数不能小于其默认值4*np.finfo(float).eps
。对于良好的函数,Brent 方法通常会使用xtol/2
和rtol/2
来满足上述条件。 [Brent1973]- maxiter整数,可选
如果在 maxiter 次迭代内未达到收敛,则会引发错误。必须 >= 0。
- args元组,可选
包含函数 f 的额外参数。f 通过
apply(f, (x)+args)
调用。- full_output布尔值,可选
如果 full_output 为 False,则返回根。如果 full_output 为 True,则返回值为
(x, r)
,其中 x 是根,r 是一个RootResults
对象。- disp布尔值,可选
如果为 True,则在算法未收敛时引发 RuntimeError。否则,收敛状态将记录在任何
RootResults
返回对象中。
- 返回:
- root浮点数
函数 f 在 a 和 b 之间的根。
- r
RootResults
(如果full_output = True
则存在) 包含收敛信息的对象。特别是,如果例程收敛,则
r.converged
为 True。
另请参阅
fmin
,fmin_powell
,fmin_cg
,fmin_bfgs
,fmin_ncg
多元局部优化器
leastsq
非线性最小二乘极小化器
fmin_l_bfgs_b
,fmin_tnc
,fmin_cobyla
约束多元优化器
basinhopping
,differential_evolution
,brute
全局优化器
fminbound
,brent
,golden
,bracket
局部标量极小化器
fsolve
N维求根
brenth
,ridder
,bisect
,newton
一维求根
fixed_point
标量不动点查找器
elementwise.find_root
高效的逐元素一维求根器
注意
f 必须是连续的。f(a) 和 f(b) 必须具有相反的符号。
正如参数文档中提到的,计算出的根
x0
将满足np.isclose(x, x0, atol=xtol, rtol=rtol)
,其中x
是精确的根。以公式形式表示,此终止条件为abs(x - x0) <= xtol + rtol * abs(x0)
。默认值
xtol=2e-12
可能会导致令人意外的行为,如果期望brentq
始终计算出相对误差接近机器精度的根。应谨慎选择适用于当前用例的 xtol。将xtol=5e-324
(最小的次正规数)设置为可确保最高精度。在根位于或接近零的应用中,如果浮点数在零附近的微小绝对差值没有意义,那么较大的 xtol 值可能有助于节省函数评估。参考文献
[PressEtal1992]Press, W. H.; Flannery, B. P.; Teukolsky, S. A.; 和 Vetterling, W. T.《FORTRAN 数值算法:科学计算的艺术》,第2版。英国剑桥:剑桥大学出版社,第352-355页,1992年。第9.3节:“Van Wijngaarden-Dekker-Brent 方法。”
示例
>>> def f(x): ... return (x**2 - 1)
>>> from scipy import optimize
>>> root = optimize.brentq(f, -2, 0) >>> root -1.0
>>> root = optimize.brentq(f, 0, 2) >>> root 1.0