scipy.optimize.

fixed_point#

scipy.optimize.fixed_point(func, x0, args=(), xtol=1e-08, maxiter=500, method='del2')[源代码]#

寻找函数的定点。

给定一个含一个或多个变量的函数和一个起始点，寻找函数的定点：即满足 func(x0) == x0。

参数:

func函数: 要评估的函数。
x0array_like: 函数的定点。
args元组, 可选: 提供给 func 的额外参数。
xtol浮点数, 可选: 收敛容差，默认为 1e-08。
maxiter整数, 可选: 最大迭代次数，默认为 500。
method{“del2”, “iteration”}, 可选: 寻找定点的方法，默认为“del2”，该方法使用 Steffensen 法与 Aitken Del^2 加速收敛 [1]。 “iteration” 方法仅迭代函数直到检测到收敛，不尝试加速收敛。

参考文献

[1]

Burden, Faires, “Numerical Analysis”, 第5版, 第80页

示例

>>> import numpy as np
>>> from scipy import optimize
>>> def func(x, c1, c2):
...    return np.sqrt(c1/(x+c2))
>>> c1 = np.array([10,12.])
>>> c2 = np.array([3, 5.])
>>> optimize.fixed_point(func, [1.2, 1.3], args=(c1,c2))
array([ 1.4920333 ,  1.37228132])