《计算机程序的构造和解释》-SICP(2):用高阶函数抽象

2024-03-16 22:08

本文主要是介绍《计算机程序的构造和解释》-SICP(2):用高阶函数抽象,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

;下面的问题是,我们之前是通过不断猜测点来找到一个数的平方根的。现在我们学了不定点fixed-point,我们可以让它来找平方根,其实就是x^2=y,x=y/x,转化成求f(x)=y/x这个函数的不动点。怎么做呢?
;先写好fixed-point函数:
(define tolerance 0.00001)(define (fixed-point f first-guess)(define (close-enough? v1 v2)(< (abs (- v1 v2)) tolerance))(define (try guess)(let ((next (f guess)))(if (close-enough? guess next)next(try next))))(try first-guess));然后我们可以这样定义:
(define (sqrt1 x)(fixed-point (lambda (y)(/ x y))1.0))
;但是这样写有问题,y,和x/y一直在那循环,振荡。所以写一个y=(1/2)(y+x/y),这样就不会出现振荡了。
;下面写一个函数,它接受一个函数f,然后
(define (average-damp f)(lambda (x)(average x(f x))))
(define (average x y) (/ (+ x y) 2))
;我们重新来定义这个sqrt:
(define (sqrt2 x)(fixed-point (average-damp (lambda (y)(/ x y)))1.0));我们把上面写得再简单点,好读点:
(define (sqrt3 x)(let ((lam (lambda (y)(/ x y))))(fixed-point (average-damp lam)1.0)));下面我们用牛顿法:其实就是类似于上面的average-damp.首先,我们要求导:; 给定一个函数g,让它返回一个过程,这个过程是这个函数g的导数:
(define (deriv g)(lambda (x)(/ (- (g (+ x dx)) (g x))dx)))
(define dx 0.00001)
;下面这个函数也返回一个过程,它接受g函数,也返回一个函数
(define (newton-transform g)(lambda (x)(- x(/ (g x)((deriv g) x)))))
;现在用这个牛顿法来定义sqrt;
(define (sqrt4 x)(fixed-point (newton-transform (lambda (y) (/ x y))) 1.0))
;牛顿法:
(define (newton-method g guess)(fixed-point (newton-transform g) guess))
;平均阻尼法
(define (average-method g guess)(fixed-point (average-damp g) guess))(define (sqrt5 x)(let ((lam (lambda (y)(- (square y) x))))(fixed-point (newton-transform lam) 1.0)))(define (square x) (* x x));笔记:这里总结一下,最抽象的其实是fixed-point,它基本上可以求任何函数的不动点。然后这个newton法,还有前面的平均阻尼法,它们都是一种特殊形式,它们规定了怎么变换函数g,而sqrt又是一种更特殊的,它规定
;g是什么?你想通过阻尼,还是通过牛顿法,那是你自己的选择。;我们能不能进一步抽象呢?
;我发现,newton-method 和之前的average-method方法,它们大多是共同的;
(define (fixed-point-of-transform g guess transform)(fixed-point (transform g) guess));上面这个方法就更抽象了,你可以自定义transform,也可以自定义g,这是一个更抽象,更具一般性的函数。;用上面的函数,我们来定义sqrt:
(define (sqrt x)(let ((g (lambda (y) (average y (/ x y))))))(fixed-point-of-transform g 1.0 newton-transform))

这篇关于《计算机程序的构造和解释》-SICP(2):用高阶函数抽象的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/816867

相关文章

wolfSSL参数设置或配置项解释

1. wolfCrypt Only 解释:wolfCrypt是一个开源的、轻量级的、可移植的加密库,支持多种加密算法和协议。选择“wolfCrypt Only”意味着系统或应用将仅使用wolfCrypt库进行加密操作,而不依赖其他加密库。 2. DTLS Support 解释:DTLS(Datagram Transport Layer Security)是一种基于UDP的安全协议,提供类似于

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

【C++高阶】C++类型转换全攻略:深入理解并高效应用

📝个人主页🌹:Eternity._ ⏩收录专栏⏪:C++ “ 登神长阶 ” 🤡往期回顾🤡:C++ 智能指针 🌹🌹期待您的关注 🌹🌹 ❀C++的类型转换 📒1. C语言中的类型转换📚2. C++强制类型转换⛰️static_cast🌞reinterpret_cast⭐const_cast🍁dynamic_cast 📜3. C++强制类型转换的原因📝

C++操作符重载实例(独立函数)

C++操作符重载实例,我们把坐标值CVector的加法进行重载,计算c3=c1+c2时,也就是计算x3=x1+x2,y3=y1+y2,今天我们以独立函数的方式重载操作符+(加号),以下是C++代码: c1802.cpp源代码: D:\YcjWork\CppTour>vim c1802.cpp #include <iostream>using namespace std;/*** 以独立函数

函数式编程思想

我们经常会用到各种各样的编程思想,例如面向过程、面向对象。不过笔者在该博客简单介绍一下函数式编程思想. 如果对函数式编程思想进行概括,就是f(x) = na(x) , y=uf(x)…至于其他的编程思想,可能是y=a(x)+b(x)+c(x)…,也有可能是y=f(x)=f(x)/a + f(x)/b+f(x)/c… 面向过程的指令式编程 面向过程,简单理解就是y=a(x)+b(x)+c(x)

leetcode105 从前序与中序遍历序列构造二叉树

根据一棵树的前序遍历与中序遍历构造二叉树。 注意: 你可以假设树中没有重复的元素。 例如,给出 前序遍历 preorder = [3,9,20,15,7]中序遍历 inorder = [9,3,15,20,7] 返回如下的二叉树: 3/ \9 20/ \15 7   class Solution {public TreeNode buildTree(int[] pr

利用matlab bar函数绘制较为复杂的柱状图,并在图中进行适当标注

示例代码和结果如下:小疑问:如何自动选择合适的坐标位置对柱状图的数值大小进行标注?😂 clear; close all;x = 1:3;aa=[28.6321521955954 26.2453660695847 21.69102348512086.93747104431360 6.25442246899816 3.342835958564245.51365061796319 4.87

OpenCV结构分析与形状描述符(11)椭圆拟合函数fitEllipse()的使用

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C++11 算法描述 围绕一组2D点拟合一个椭圆。 该函数计算出一个椭圆,该椭圆在最小二乘意义上最好地拟合一组2D点。它返回一个内切椭圆的旋转矩形。使用了由[90]描述的第一个算法。开发者应该注意,由于数据点靠近包含的 Mat 元素的边界,返回的椭圆/旋转矩形数据

Unity3D 运动之Move函数和translate

CharacterController.Move 移动 function Move (motion : Vector3) : CollisionFlags Description描述 A more complex move function taking absolute movement deltas. 一个更加复杂的运动函数,每次都绝对运动。 Attempts to

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^