在RUP中，迭代被定义为：迭代包括产生产品发布（稳定、可执行的产品版本）的全部开发活动和要使用该发布必需的所有其他外围元素。

迭代相关概念(迭代函数 迭代模型 迭代算法)

RUP中的迭代模型(理解 方法 优势)

程序设计中的迭代算法(第一确定迭代变量 第二建立迭代关系式 第三对迭代过程进行控制)

求方程根的迭代函数

迭代相关概念

迭代函数

在数学中，迭代函数是在碎形和动力系统中深入研究的对象。迭代函数是重复的与自身复合的函数，这个过程叫做迭代。

迭代模型

迭代模型是RUP（Rational Unified Process，统一软件开发过程，统一软件过程)推荐的周期模型。

迭代算法

迭代算法是用计算机解决问题的一种基本方法。它利用计算机运算速度快、适合做重复性操作的特点,让计算机对一组指令(或一定步骤)进行重复执行,在每次执行这组指令(或这些步骤)时,都从变量的原值推出它的一个新值。

RUP中的迭代模型

理解

如果认为这个解释难以理解，可以这样想：

我们开发一个产品，如果不太复杂，会采用瀑布模型，简单的说就是先定义需求，然后构建框架，然后写代码，然后测试，最后发布一个产品。

这样，几个月过去了，直到最后一天发布时，大家才能见到一个产品。

这样的方式有明显的缺点，假如我们对用户的需求判断的不是很准确时——这是很常见的问题，一点也不少见——你工作了几个月甚至是几年，当你把产品拿给客户看时，客户往往会大吃一惊，这就是我要的东西吗？

方法

迭代的方式就有所不同，假如这个产品要求6个月交货，我在第一个月就会拿出一个产品来，当然，这个产品会很不完善，会有很多功能还没有添加进去，bug很多，还不稳定，但客户看了以后，会提出更详细的修改意见，这样，你就知道自己距离客户的需求有多远，我回家以后，再花一个月，在上个月所作的需求分析、框架设计、代码、测试等等的基础上，进一步改进，又拿出一个更完善的产品来，给客户看，让他们提意见。

就这样，我的产品在功能上、质量上都能够逐渐逼近客户的要求，不会出现我花了大量心血后，直到最后发布之时才发现根本不是客户要的东西的情况。

优势

这样的方法很不错，但他也有自己的缺陷，那就是周期长、成本很高。在应付大项目、高风险项目——就比如是航天飞机的控制系统时，迭代的成本比项目失败的风险成本低得多，用这种方式明显有优势。

如果你是给自己的单位开发一个小MIS，自己也比较清楚需求，工期上也不过花上个把月的时间，用迭代就有点杀鸡用了牛刀，那还是瀑布模型更管用，即使是做得不对，顶多再花一个月重来，没什么了不起。

程序设计中的迭代算法

有些国外的教材，如《C++ Primer》第四版的中文版，会把iterative翻译成迭代。

iterative是反复的意思，所以，有时候，迭代也会指循环执行，反复执行的意思。

迭代算法是用计算机解决问题的一种基本方法。它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令(或一定步骤)进行重复执行，在每次执行这组指令(或这些步骤)时，都从变量的原值推出它的一个新值。

利用迭代算法解决问题，需要做好以下三个方面的工作：

第一确定迭代变量

在可以用迭代算法解决的问题中，至少存在一个直接或间接地不断由旧值递推出新值的变量，这个变量就是迭代变量。

第二建立迭代关系式

所谓迭代关系式，指如何从变量的前一个值推出其下一个值的公式(或关系)。迭代关系式的建立是解决迭代问题的关键，通常可以使用递推或倒推的方法来完成。

第三对迭代过程进行控制

在什么时候结束迭代过程?这是编写迭代程序必须考虑的问题。不能让迭代过程无休止地重复执行下去。迭代过程的控制通常可分为两种情况：一种是所需的迭代次数是个确定的值，可以计算出来;另一种是所需的迭代次数无法确定。对于前一种情况，可以构建一个固定次数的循环来实现对迭代过程的控制;对于后一种情况，需要进一步分析出用来结束迭代过程的条件。

例 1 ： 一个饲养场引进一只刚出生的新品种兔子，这种兔子从出生的下一个月开始，每月新生一只兔子，新生的兔子也如此繁殖。如果所有的兔子都不死去，问到第 12 个月时，该饲养场共有兔子多少只?

分析： 这是一个典型的递推问题。我们不妨假设第 1 个月时兔子的只数为 u 1 ，第 2 个月时兔子的只数为 u 2 ，第 3 个月时兔子的只数为 u 3 ，……根据题意，“这种兔子从出生的下一个月开始，每月新生一只兔子”，则有

以下是引用片段：

u 1 = 1 ， u 2 = u 1 + u 1 × 1 = 2 ， u 3 = u 2 + u 2 × 1 = 4 ，……

根据这个规律，可以归纳出下面的递推公式：

以下是引用片段：

u n = (u n - 1) × 2 (n ≥ 2)

对应 u n 和 u n - 1 ，定义两个迭代变量 y 和 x ，可将上面的递推公式转换成如下迭代关系：

以下是引用片段：

y=x*2

x=y

让计算机对这个迭代关系重复执行 11 次，就可以算出第 12 个月时的兔子数。参考程序如下：

以下是引用片段：

cls

x=1

for i=2 to 12

y=x*2

x=y

next i

print y

end

例 2 ： 阿米巴用简单分裂的方式繁殖，它每分裂一次要用 3 分钟。将若干个阿米巴放在一个盛满营养参液的容器内， 45 分钟后容器内充满了阿米巴。已知容器最多可以装阿米巴 2 20 个。试问，开始的时候往容器内放了多少个阿米巴?请编程序算出。

分析： 根据题意，阿米巴每 3 分钟分裂一次，那么从开始的时候将阿米巴放入容器里面，到 45 分钟后充满容器，需要分裂 45/3=15 次。而“容器最多可以装阿米巴 2 20 个”，即阿米巴分裂 15 次以后得到的个数是 2 20 。题目要求我们计算分裂之前的阿米巴数，不妨使用倒推的方法，从第 15 次分裂之后的 2 20 个，倒推出第 15 次分裂之前(即第 14 次分裂之后)的个数，再进一步倒推出第 13 次分裂之后、第 12 次分裂之后、……第 1 次分裂之前的个数。

设第 1 次分裂之前的个数为 x 0 、第 1 次分裂之后的个数为 x 1 、第 2 次分裂之后的个数为 x 2 、……第 15 次分裂之后的个数为 x 15 ，则有

以下是引用片段：

x 14 =x 15 /2 、 x 13 =x 14 /2 、…… x n-1 =x n /2 (n ≥ 1)

因为第 15 次分裂之后的个数 x 15 是已知的，如果定义迭代变量为 x ，则可以将上面的倒推公式转换成如下的迭代公式：

x=x/2 ( x 的初值为第 15 次分裂之后的个数 2 20 )

让这个迭代公式重复执行 15 次，就可以倒推出第 1 次分裂之前的阿米巴个数。因为所需的迭代次数是个确定的值，我们可以使用一个固定次数的循环来实现对迭代过程的控制。参考程序如下：

以下是引用片段：

cls

x=2^20

for i=1 to 15

x=x/2

next i

print x

end

例 3 ： 验证谷角猜想。日本数学家谷角静夫在研究自然数时发现了一个奇怪现象：对于任意一个自然数 n ，若 n 为偶数，则将其除以 2 ;若 n 为奇数，则将其乘以 3 ，然后再加 1 。如此经过有限次运算后，总可以得到自然数 1 。人们把谷角静夫的这一发现叫做“谷角猜想”。

要求：编写一个程序，由键盘输入一个自然数 n ，把 n 经过有限次运算后，最终变成自然数 1 的全过程打印出来。

分析： 定义迭代变量为 n ，按照谷角猜想的内容，可以得到两种情况下的迭代关系式：当 n 为偶数时， n=n/2 ;当 n 为奇数时， n=n*3+1 。用 QBASIC 语言把它描述出来就是：

以下是引用片段：

if n 为偶数 then

n=n/2

else

n=n*3+1

end if

这就是需要计算机重复执行的迭代过程。这个迭代过程需要重复执行多少次，才能使迭代变量 n 最终变成自然数 1 ，这是我们无法计算出来的。因此，还需进一步确定用来结束迭代过程的条件。仔细分析题目要求，不难看出，对任意给定的一个自然数 n ，只要经过有限次运算后，能够得到自然数 1 ，就已经完成了验证工作。因此，用来结束迭代过程的条件可以定义为： n=1 。参考程序如下：

以下是引用片段：

cls

input "Please input n=";n

do until n=1

if n mod 2=0 then

rem 如果 n 为偶数，则调用迭代公式 n=n/2

n=n/2

print "—";n;

else

n=n*3+1

print "—";n;

end if

loop

end

求方程根的迭代函数

迭代法是用于求方程或方程组近似根的一种常用的算法设计方法。设方程为f(x)=0，用某种数学方法导出等价的形式x=g(x)，然后按以下步骤执行：

(1) 选一个方程的近似根，赋给变量x0;

(2) 将x0的值保存于变量x1，然后计算g(x1)，并将结果存于变量x0;

(3) 当x0与x1的差的绝对值还小于指定的精度要求时，重复步骤(2)的计算。

若方程有根，并且用上述方法计算出来的近似根序列收敛，则按上述方法求得的x0就认为是方程的根。上述算法用C程序的形式表示为：

【算法】迭代法求方程的根

以下是引用片段：

{ x0=初始近似根;

do {

x1=x0;

x0=g(x1); /*按特定的方程计算新的近似根*/

} while ( fabs(x0-x1)>Epsilon);

printf(“方程的近似根是%f\”，x0);

}

迭代算法也常用于求方程组的根，令

X=(x0，x1，…，xn-1)

设方程组为：

xi=gi(X) (I=0，1，…，n-1)

则求方程组根的迭代算法可描述如下：

【算法】迭代法求方程组的根

以下是引用片段：

{ for (i=0;i

x=初始近似根;

do {

for (i=0;i

y=x;

for (i=0;i

x=gi(X);

for (delta=0.0,i=0;i

if (fabs(y-x)>delta) delta=fabs(y-x);

} while (delta>Epsilon);

for (i=0;i

printf(“变量x[%d]的近似根是 %f”，I，x);

printf(“\”);

}

具体使用迭代法求根时应注意以下两种可能发生的情况：

(1) 如果方程无解，算法求出的近似根序列就不会收敛，迭代过程会变成死循环，因此在使用迭代算法前应先考察方程是否有解，并在程序中对迭代的次数给予限制;

(2) 方程虽然有解，但迭代公式选择不当，或迭代的初始近似根选择不合理，也会导致迭代失败。