本文介绍如何在 javascript 中实现通用的算术-几何平均（agm）单步迭代函数，支持任意长度的正实数数组；核心是高效计算各阶初等对称多项式，并按二项式系数归一化后取相应根次，最终返回同长度的 float64array。
本文介绍如何在 javascript 中实现通用的算术-几何平均（agm）单步迭代函数，支持任意长度的正实数数组；核心是高效计算各阶初等对称多项式，并按二项式系数归一化后取相应根次，最终返回同长度的 float64array。
算术-几何平均（AGM）的经典定义针对两个数：反复交替计算算术平均与几何平均，序列收敛于同一极限。其高维推广——即对 $ n $ 个正实数的 AGM 迭代——并非简单套用两数逻辑，而是基于初等对称多项式（Elementary Symmetric Polynomials, ESP） 的系统构造：第 $ k $ 个输出分量（$ k = 0,1,\dots,n-1 $）对应所有 $ \binom{n}{k+1} $ 个 $ (k+1) $-元乘积的平均值，再开 $ (k+1) $ 次方根（注意：索引惯例中 $ a0 $ 是算术平均，$ a{n-1} $ 是几何平均）。
例如：
- $ a0 = \frac{1}{\binom{n}{1}} \sum{i} x_i $（一阶和 / 个数 → 算术平均）
- $ a1 = \left( \frac{1}{\binom{n}{2}} \sum{i
- $ a_{n-1} = \left( x_1 x_2 \cdots x_n \right)^{1/n} $（全乘积开 $ n $ 次方 → 几何平均）
因此，通用实现的关键在于：对每个 $ k \in [0, n-1] $，生成所有大小为 $ k+1 $ 的子集，计算其元素乘积之和，除以组合数 $ \binom{n}{k+1} $，再开 $ (k+1) $ 次方根。
最直观且可读性强的方法是使用位掩码枚举幂集（Power Set via Bitmasking），时间复杂度 $ O(n \cdot 2^n) $，适用于中小规模数组（$ n \leq 20 $ 完全可行）。以下是完整、健壮的实现：
function agm(arr) {
if (!Array.isArray(arr) || arr.length === 0) {
throw new Error('Input must be a non-empty array');
}
const n = arr.length;
// 验证全为正实数
for (let x of arr) {
if (typeof x !== 'number' || x <= 0 || !isFinite(x)) {
throw new Error('All elements must be positive finite numbers');
}
}
// 预计算组合数 C(n, k) for k = 1..n
const binom = new Array(n + 1).fill(0);
binom[0] = binom[n] = 1;
for (let k = 1; k <= n; k++) {
binom[k] = binom[k - 1] * (n - k + 1) / k;
}
// sums[k] 存储所有 (k+1)-元乘积之和（k 从 0 开始，对应 a_k）
const sums = new Array(n).fill(0);
// 枚举非空子集：i ∈ [1, 2^n - 1]
const total = 1 << n;
for (let i = 1; i < total; i++) {
let product = 1;
let bits = 0; // 当前子集大小（即参与乘积的元素个数）
for (let b = 0; b < n; b++) {
if (i & (1 << b)) {
product *= arr[b];
bits++;
}
}
// bits ∈ [1, n]，对应输出索引 a_{bits-1}
sums[bits - 1] += product;
}
// 构造结果数组：a_k = (sums[k] / C(n, k+1)) ^ (1/(k+1))
const result = new Float64Array(n);
for (let k = 0; k < n; k++) {
const denom = binom[k + 1]; // C(n, k+1)
const avg = sums[k] / denom;
// 对 k=0（算术平均），指数为 1，直接赋值；其余取根
result[k] = k === 0 ? avg : Math.pow(avg, 1 / (k + 1));
}
return result;
}✅ 使用示例：
console.log(agm([1, 2])); // Float64Array [1.5, 1.4142135623730951] —— 即 (1+2)/2 和 √(1×2) console.log(agm([1, 2, 3])); // Float64Array [2, √((1×2 + 1×3 + 2×3)/3), (1×2×3)^(1/3)] // ≈ [2, √(11/3)≈1.91485, 6^(1/3)≈1.81712] const iterated = agm(agm([1, 2, 3])); // 多次迭代快速收敛
⚠️ 注意事项：
-
数值稳定性：当 $ n $ 较大（如 > 20）时，$ 2^n $ 枚举开销显著，且高阶乘积易溢出或下溢。生产环境建议结合
BigFloat（若支持）或对数域计算（log-sum-exp 技巧），但会牺牲精度与简洁性。 - 输入约束：AGM 严格要求所有输入为正实数；零或负数将导致 NaN 或无意义结果（如偶次根负数）。
-
收敛性：单次
agm()仅完成一次迭代；实际求 AGM 极限需循环调用直至相邻结果差异小于容差（如max(|a_i^{(k+1)} - a_i^{(k)}|) ），此时所有分量近似相等，该值即为广义 AGM。
该实现将数学定义精准落地为可复用、自解释、边界安全的 JavaScript 工具函数，兼顾教学清晰性与工程可用性。
