如何缩短Julia中IntervalRootFinding.jl求根代码的运行时间？

问题原因分析 #

代码陷入无限运行的核心原因：

1. 函数g包含区间除法运算（x/K_y），这类运算会生成大量复杂区间分支，默认根查找算法处理时易陷入无限细分循环。
2. 初始搜索区间结合区间参数的不确定性，导致算法需要处理的子区间数量远超默认迭代能力。

可行解决方法 #

1. 指定算法并设置迭代上限 #

手动指定根查找算法（如Newton），同时设置最大迭代次数强制终止循环：

using IntervalArithmetic, Plots, StaticArrays, IntervalRootFinding

α_x = α_y = 100 * (2..3)
γ_x = γ_y = (2..3)
K_y = 10 * (2/3..3/2)
u = 1

g( (x, y) ) = SVector(α_x * u - γ_x * x, α_y * u / ( 1 + x / K_y ) - γ_y * y)
X = IntervalBox(80..120, 5..20)

# 使用Newton算法，设置最大迭代次数为100
rts = roots(g, X, Newton, max_iterations=100)
@show rts

2. 先验证确定性场景，再引入区间 #

先将区间参数替换为具体数值，确认函数在确定性条件下能正常求根，再逐步扩大区间范围：

# 用具体数值测试基础功能
α_x = α_y = 100 * 2.5
γ_x = γ_y = 2.5
K_y = 10 * 1.0
u = 1

g( (x, y) ) = SVector(α_x * u - γ_x * x, α_y * u / ( 1 + x / K_y ) - γ_y * y)
X = IntervalBox(80..120, 5..20)

rts = roots(g, X)
@show rts

确认运行正常后，再逐步将数值替换为区间，优先缩小区间范围（比如把2..3改为2.4..2.6），降低算法复杂度。

3. 重写函数简化区间运算 #

把除法转换为乘法，减少区间分支的生成：

# 重写第二个分量，避免直接的区间除法
g( (x, y) ) = SVector(
    α_x * u - γ_x * x,
    α_y * u * K_y / ( K_y + x ) - γ_y * y
)

额外提示 #

• 若只需定位根的大致区间，可设置tol参数让算法在区间足够小时终止：

  rts = roots(g, X, tol=1e-2)
  

• 提前可视化函数在搜索区间的取值，确认根是否存在于该区间：

  plot(x -> g((x, 10.0))[1], 80, 120)
  plot!(x -> g((x, 10.0))[2], 80, 120)
  

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