第三節課程，介紹的是迭代法。

---

03 迭代法

什么是迭代法

迭代法，簡單來說，其實就是不斷地用舊的變量值，遞推計算新的變量值。

這里采用一個故事來介紹什么是迭代法，這個故事是講述一個國王要重賞一個做出巨大貢獻的臣子，讓臣子提出他想得到的賞賜，這個聰明的臣子說出了他想得到的賞賜--在棋盤上放滿麥子，但要求是每個格子的麥子數量都是前一個格子的兩倍。國王本以為這個賞賜可以輕而易舉的滿足，但真正開始放麥子后，發現即便是拿出全國的糧食也無法滿足的臣子的這個賞賜。

這里我們可以用f(n)表示當前各自的麥子數量，而前一個格子的麥子數量就是f(n-1)，那么臣子的要求就可以這么表示：

f(n) = f(n-1) * 2 f(1) = 1

這也就是迭代法了，而如果用編程來實現，其實就是實現一個循環運算的過程。

用 Python 實現這個計算麥子的代碼如下所示：

def get_number_of_wheat(grid):'''計算放到給定格子數量需要的麥子數量:param grid: 格子數:return:'''# f(1) = 1wheat_numbers = 1sums = wheat_numbersfor i in range(2, grid+1):wheat_numbers *= 2sums += wheat_numbersprint('when grid = %d, wheats numbers = %d' % (grid, sums))return sums

簡單的測試例子：

if __name__ == '__main__':print('compute numbers of wheat!')numbers_grid = 63get_number_of_wheat(numbers_grid)print('finish')

給定格子數量是 63 個，輸出結果如下：

compute numbers of wheat! when grid = 63, wheats numbers = 9223372036854775807 finish

所以這個天文數字是 19 位數--9223372036854775807，真的是非常的多！假設一袋 50 斤的麥子估計有 130 萬粒麥子，那么這個計算結果是相當于 70949 億袋 50 斤的麥子！

迭代法的應用

看完上述例子，相信應該對迭代法的基本概念比較了解了，而迭代法的基本步驟也很簡單，分為三個步驟：

• 確定用于迭代的變量。上述例子中，這個迭代變量就是f(n)和f(n-1)
• 建立迭代變量之間的遞推關系。上述例子中，這個遞歸關系是f(n)=f(n-1)*2
• 控制迭代的過程。這里需要確定迭代的初始條件和終止條件，上述例子，初始條件就是f(1)=1，而終止條件就是達到給定的格子數了。

那么迭代法有什么應用呢？

其實，它在數學和計算機領域都有很廣泛的應用，如：

• 求數值的精確或者近似解。典型的方法包括二分法（Bisection method)和牛頓迭代法(Newton's method)；
• 在一定范圍內查找目標值。典型方法包括二分查找，其實也是二分法在搜索方面的應用；
• 機器學習算法中的迭代。比如 Kmeans 聚類算法（不斷迭代來對數據進行聚類）、馬爾科夫鏈(Markov chain)、梯度下降法（Gradient descent）等。迭代法在機器學習中有廣泛的應用，其實是因為機器學習的過程，就是根據已知數據和一定的假設，求一個局部最優解。迭代法可以幫助學習算法逐步搜索，直到發現這種解。

接下來會重點介紹求數值的解和查找匹配記錄，這兩個應用其實都是采用二分法來實現。

求方程的精確或者近似解

迭代法除了用于計算龐大的數字，還可以幫助我們進行無窮次地逼近，求得方程的精確或者近似解。

舉個例子，我們要計算一個給定的正整數n（n>1)的平方根，并且不能采用編程語言自帶的函數，應該如何計算呢？

首先我們可以明確的是，對于給定的正整數n，它的平方根肯定是小于它，但大于1，也就是這個平方根的取值范圍是 1 到 n ，在這個范圍內求一個數值的平方等于n。

這里就可以通過采用剛剛說的二分法。每次查看區間內的中間值，檢查它是否符合標準。

比如我們要求 10 的平方根，尋找的區間就是[1,10]，第一個中間值就是(1+10)/2=11/2=5.5，而 5.5 的平方等于 30.25，明顯比 10 大，所以尋找區間變成 5.5 的左側，也就是[1, 5.5]，中間值就是 3.25，但 3.25 的平方是 10.5625，依然大于 10，尋找區間變為[1, 3.25]，中間值變為 2.125, 2.125 的平方是 4.515625，小于 10，所以區間就是[2.125, 3.25]，這樣繼續尋找和計算中間值的平方，直到發現某個數的平方正好是 10。

具體步驟如下圖：

這里用代碼實現，如下圖所示：

def get_square_root(n, threshold, max_try):'''計算大于 1 的正整數的平方根:param n: 給定正整數:param threshold: 誤差的閾值:param max_try: 最大嘗試次數:return:'''if n <= 1:return -1.0# interval boundary 區間的左右邊界left = 1.0right = float(n)for idx in range(max_try):# 防止溢出middle = left + (right - left) / 2square = middle * middle# 誤差delta = abs(square / n - 1)if delta <= threshold:return middleelse:if square > n:right = middleelse:left = middlereturn -2.0

簡單的測試例子：

square_root = get_square_root(10, 0.000001, 10000) if square_root == -1.0:print('please input a number > 1') elif square_root == -2.0:print('cannot find the square root') else:print('square root==', square_root)

輸出結果是：

square root== 3.1622767448425293

這里代碼中，設置了兩個控制迭代結束的參數：

threshold：誤差的閾值，用于控制解的精度。理論上二分法可以通過無限次迭代求到精確解，但實際應用還需要考慮時間和計算資源，所以一般我們只需要一個近似解，而不需要完全精確的數據；

max_try：控制迭代的次數。設置這個參數也是為了避免使用while True循環可能導致的死循環，當然理論上設置了threshold是可以避免死循環的，但這是一個良好的編程習慣，主動避免產生的可能性。

查找匹配記錄

二分法通過迭代式逼近，不僅可以求得方程的近似解，還可以幫助查找匹配的記錄。

這里老師給的例子是在自然語言處理中，處理同義詞或者近義詞的擴展問題。這時，你是會有一個詞典，用于記錄每個單詞的同義詞或者近義詞。對于一個待查找單詞，我們需要在字典找到這個單詞，以及對應的所有同義詞和近義詞，然后進行拓展，例如對于單詞--西紅柿，它的同義詞包括了番茄和tomato。

詞典如下表格所示：

詞條同義詞1同義詞2同義詞3西紅柿番茄tomato...............

當處理文章的時候，遇到“西紅柿”這個單詞，就在字典里查找，返回“番茄”和“tomato"等同義詞或者近義詞，并添加到文章作為同義詞/近義詞的拓展。

這里要解決的問題就是如何在字典查詢匹配單詞的問題。一種做法就是哈希表。而如果不用哈希表的方法，還可以采用二分查找法。二分查找法進行字典查詢的思路如下：

對整個字典先進行排序（假設是從小到大）。二分法的一個關鍵前提條件就是所查找區間必須是有序的，這樣每次折半的時候，可以知道是往左還是右繼續查找。

使用二分法逐步定位到被查找的單詞。同樣是每次都選擇查找區間的中間值，判斷是否和待查找單詞一致，如果一致就返回；如果不一致，就進行判斷大小，如果比待查找單詞小，就需要往中間值右邊區間查找；否則就在左邊區間查找。

重復第二步操作，迭代式查找，直到找到單詞，或者沒有找到，就返回不存在。

相比于利用二分法查找方程解，二分查找必須要求數據是有序的！

用代碼實現如下：

def search_word(dictionary, word):'''查找匹配單詞:param dictionary: 排序后的字典:param word:待查找單詞:return:'''if dictionary is None:return Falseif len(dictionary) < 1:return Falseleft = 0right = len(dictionary) - 1while left <= right:middle = int(left + (right - left) / 2)if dictionary[middle] == word:return Trueelse:if dictionary[middle] > word:right = middle - 1else:left = middle + 1return False

簡單的測試代碼：

print('find word in dictionary') dict_list = ['i', 'am', 'coder'] dict_list = sorted(dict_list) print('sorted dict:', dict_list) word_to_find = 'am' found = search_word(dict_list, word_to_find) if found:print('word "%s" found in dictionary--%s!' % (word_to_find, dict_list)) else:print('cannot find the word "%s"' % word_to_find)

輸出結果：

find word in dictionary sorted dict: ['am', 'coder', 'i'] word "am" found in dictionary--['am', 'coder', 'i']! finish

迭代法的介紹就到這里了！上述源代碼地址：

https://github.com/ccc013/CodesNotes/blob/master/Maths/lesson_iterations.py

總結

以上是生活随笔為你收集整理的迭代反投影法代码_程序员的数学笔记3--迭代法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。