如何判断牛顿法收敛性？验证初始猜测遍历代码有效性

一、你的代码存在的核心问题 #

你当前的代码逻辑依赖于newton函数返回None来判断收敛失败，但scipy.optimize.newton函数在迭代不收敛时（比如耗尽maxiter）并不会返回None——它会返回最后一次迭代的估计值，同时抛出RuntimeWarning（disp=False时不会中断程序，但警告依然存在）。因此你写的if t_end is not None: break和if t_end is None: continue完全起不到判断收敛的作用，属于无效逻辑。

二、修正后的代码实现 #

要实现“收敛则存储结果，不收敛则尝试下一个初始值”的需求，你可以通过以下两种可靠方式实现：

方式1：捕获收敛警告判断状态 #

利用scipy.newton在收敛失败时抛出RuntimeWarning的特性，通过捕获警告来判断迭代是否成功：

import warnings
from scipy.optimize import newton

converged_t_end = None
for guess in initial_guess:
    # 捕获迭代过程中的所有警告
    with warnings.catch_warnings(record=True) as w_list:
        warnings.simplefilter("always")
        # 调用牛顿法求解
        t_end = newton(
            self.ray_param_eq, guess,
            fprime=self.ray_param_eq_prime,
            fprime2=self.ray_param_eq_second_prime,
            args=(self.c, self.k, ray.z_0, ray.y_0, ray.theta, self.A, self.B),
            maxiter=100, tol=1.48e-5, disp=False
        )
        # 检查是否存在收敛失败的警告
        has_failed_warning = any(
            issubclass(w.category, RuntimeWarning) and "Failed to converge" in str(w.message)
            for w in w_list
        )
        if not has_failed_warning:
            converged_t_end = t_end
            break  # 收敛成功，跳出循环

if converged_t_end is not None:
    # 存储收敛结果
    print(f"收敛结果：{converged_t_end}")
else:
    print("所有初始猜测值均未收敛")

方式2：手动验证残差判断收敛 #

直接计算迭代结果对应的函数值（残差），判断是否小于设定的精度阈值：

from scipy.optimize import newton

converged_t_end = None
tolerance = 1.48e-5  # 和newton函数的tol参数保持一致
for guess in initial_guess:
    t_end = newton(
        self.ray_param_eq, guess,
        fprime=self.ray_param_eq_prime,
        fprime2=self.ray_param_eq_second_prime,
        args=(self.c, self.k, ray.z_0, ray.y_0, ray.theta, self.A, self.B),
        maxiter=100, tol=tolerance, disp=False
    )
    # 计算残差：|f(t_end)|
    residual = abs(self.ray_param_eq(t_end, self.c, self.k, ray.z_0, ray.y_0, ray.theta, self.A, self.B))
    if residual < tolerance:
        converged_t_end = t_end
        break  # 收敛成功，跳出循环

if converged_t_end is not None:
    # 存储收敛结果
    print(f"收敛结果：{converged_t_end}")
else:
    print("所有初始猜测值均未收敛")

三、牛顿法收敛性的通用检查方法 #

除了针对scipy.newton的方案，通用的收敛性判断可以从以下几个维度入手：

• 残差条件：迭代后函数的绝对值|f(x)| < tol，这是最常用的判断标准，tol为你设定的精度阈值。
• 迭代步长条件：相邻两次迭代的解的差值|x_{n+1} - x_n| < tol，说明解的变化已经足够小。
• 混合条件：同时满足残差和步长条件，避免单一条件出现误判（比如函数值很小但解还在大幅波动）。
• 迭代次数限制：如果迭代次数超过预设的maxiter，直接判定为收敛失败。

如果需要更精细的控制，你可以手动实现牛顿法迭代过程，全程跟踪每一步的残差、步长和迭代次数，完全自主控制收敛判断逻辑。

内容的提问来源于stack exchange，提问作者Euronymous