单变量方程特定结果求解：迭代循环优化及二分法适用疑问

原代码的几个致命问题 #

1. 函数定义错误：beta_h_func的参数beta_h完全没用到，反而硬套了全局变量beta_h1，导致函数根本没法根据输入的参数计算对应值，迭代逻辑从根上就错了。
2. 循环条件离谱：用beta_h_func(beta_h1) != 1作为终止条件，浮点数运算存在精度误差，永远不可能精确等于1，必然陷入死循环。
3. 迭代逻辑缺陷：固定步长增减会让结果在1附近来回震荡——加步长后超过1，减步长又低于1，无限重复。

两种修复方案 #

方案1：直接计算解析解（最快最准） #

你的函数是线性的，直接通过代数运算就能求出精确解，完全不需要迭代：
先计算常数项C = min(Nv/(Qh*Nh), 1)，原方程整理后可得beta_h1 = (1/C) - rho1*H。

代码实现：

rho1 = 0.177
Nh = 9.3
Nv = 128
Qh = 10
H = 1

# 计算固定常数项
C = min(Nv/(Qh*Nh), 1)
# 直接求解beta_h1
beta_h1 = (1 / C) - rho1 * H
print(f"beta_h1的解: {beta_h1}")

# 验证结果
def beta_h_func(beta_h):
    return beta_h * C + rho1 * H * C

print(f"验证值: {beta_h_func(beta_h1)}")

方案2：修正迭代逻辑（用二分法） #

如果一定要用迭代，先把函数改对，再用二分法（二分法不止能求平方根，只要是单调连续函数都能用，你的函数是单调递增的，完美适配）：

rho1 = 0.177
Nh = 9.3
Nv = 128
Qh = 10
H = 1

# 修正函数，用输入参数计算
def beta_h_func(beta_h):
    C = min(Nv/(Qh*Nh), 1)
    return beta_h * C + rho1 * H * C

target = 1
# 设定搜索区间，左边界设0，右边界设足够大确保函数值超过target
left = 0.0
right = 100.0
# 精度阈值，误差小于这个值就停止迭代
epsilon = 1e-8

while right - left > epsilon:
    mid = (left + right) / 2
    current = beta_h_func(mid)
    if current < target:
        left = mid
    else:
        right = mid

beta_h1 = (left + right) / 2
print(f"beta_h1的解: {beta_h1}")
print(f"验证值: {beta_h_func(beta_h1)}")

重要提醒 #

• 浮点数判断绝对不能用==或!=，必须用误差阈值（比如1e-8）判断是否足够接近目标值。
• 二分法是单调函数求根的通用方法，别局限于平方根问题。

内容的提问来源于stack exchange，提问作者BlaiseWhite