toms748#
- scipy.optimize.toms748(f, a, b, args=(), k=1, xtol=2e-12, rtol=np.float64(8.881784197001252e-16), maxiter=100, full_output=False, disp=True)[源代码]#
使用 TOMS 算法 748 方法查找根。
实现 Alefeld, Potro 和 Shi 的算法 748 方法,用于在区间
[a , b]
上查找函数 f 的根,其中f(a)
和 f(b) 必须具有相反的符号。它结合了逆三次插值和“牛顿二次”步进法。 [APS1995]。
- 参数:
- f函数
返回标量的 Python 函数。函数 \(f\) 必须是连续的,且 \(f(a)\) 和 \(f(b)\) 具有相反的符号。
- a标量,
搜索区间的下限
- b标量,
搜索区间的上限
- args元组,可选
包含函数 f 的额外参数。f 通过
f(x, *args)
调用。- k整型,可选
每次迭代执行的牛顿二次步数。
k>=1
。- xtol标量,可选
计算得到的根
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。- rtol标量,可选
计算得到的根
x0
将满足np.isclose(x, x0, atol=xtol, rtol=rtol)
,其中x
是精确的根。- maxiter整型,可选
如果经过 maxiter 次迭代仍未收敛,则会引发错误。必须 >= 0。
- full_output布尔型,可选
如果 full_output 为 False,则返回根。如果 full_output 为 True,则返回值是
(x, r)
,其中 x 是根,r 是一个RootResults
对象。- disp布尔型,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
RootResults
返回对象中。
- 返回:
- root浮点数
f 的近似根
- 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。
备注
f 必须是连续的。当
k=2
时,算法 748 是已知用于查找四次连续可微函数根的渐近最高效算法。与 Brent 算法(可能仅在最后一步减小包围区间的长度)不同,算法 748 在每次迭代中都会减小包围区间的长度,且其渐近效率与找到根时的效率相同。为了方便说明效率指标,假设 f 具有 4 个连续导数。当
k=1
时,收敛阶数至少为 2.7,每次迭代渐近大约需要 2 次函数求值,效率指标约为 1.65。当k=2
时,阶数约为 4.6,每次迭代渐近需要 3 次函数求值,效率指标为 1.66。对于更高的 k 值,效率指标接近(3k-2)
的 k 次方根,因此k=1
或k=2
通常是合适的。如参数文档中所述,计算得到的根
x0
将满足np.isclose(x, x0, atol=xtol, rtol=rtol)
,其中x
是精确的根。以方程形式表示,此终止条件为abs(x - x0) <= xtol + rtol * abs(x0)
。默认值
xtol=2e-12
可能会导致意外行为,如果期望toms748
始终计算出相对误差接近机器精度的根。应根据具体用例谨慎选择 xtol。将xtol
设置为5e-324
(最小的次正常数),将确保最高级别的精度。在根位于或接近零的应用程序中,如果浮点数在零附近的微小绝对差异没有意义,则较大的 xtol 值可能有助于节省函数求值次数。参考文献
[APS1995]Alefeld, G. E. and Potra, F. A. and Shi, Yixun, Algorithm 748: Enclosing Zeros of Continuous Functions, ACM Trans. Math. Softw. Volume 221(1995) doi = {10.1145/210089.210111}
示例
>>> def f(x): ... return (x**3 - 1) # only one real root at x = 1
>>> from scipy import optimize >>> root, results = optimize.toms748(f, 0, 2, full_output=True) >>> root 1.0 >>> results converged: True flag: converged function_calls: 11 iterations: 5 root: 1.0 method: toms748