6.3.1.2 迭代次数自适应

文档摘要

6.3.1.2 迭代次数自适应 6.3.1.2 迭代次数自适应：当“收敛”成为幻觉，我们如何让算法自己学会刹车？你有没有在深夜调试一个看似简单的迭代求解器时，突然发现——它既不收敛，也不发散，而是像一辆松了手刹的车，在目标值附近以越来越小的振幅来回滑行？你调大迭代上限，它多跑五十步，精度只提升1e-8；你砍掉一半迭代次数，误差反而更稳定。你翻遍文档，看到那句轻描淡写的“支持自适应迭代”，却找不到一行能真正落地的代码；你查论文，满篇是$\varepsilon$-$\delta$证明和渐近阶分析，可你的输入数据连连续性都勉强——它来自传感器漂移、压缩传输丢包、或某位实习生手抖输错的标定参数。这不是理论失效，是工程失联。