Python SciPy optimize.fixed_point用法及代码示例

本文简要介绍 python 语言中 scipy.optimize.fixed_point 的用法。

用法:

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

求函数的不动点。

给定一个包含一个或多个变量的函数和一个起点，找到该函数的一个不动点：即 func(x0) == x0 。

参数 ：：

func： 函数

要评估的函数。

x0： array_like

函数的固定点。

args： 元组，可选

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

寻找不动点的方法，默认为“del2”，它使用Steffensen的方法和Aitken的Del^2收敛加速[1]。 “iteration” 方法只是迭代函数直到检测到收敛，而不试图加速收敛。

参考：

[1]

负担，费尔斯，“Numerical Analysis”，第 5 版，第 1 页。 80

例子：

>>> 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])