指数退避答案

【问题标题】：Exponential backoff指数退避
【发布时间】：2019-04-11 03:32:07
【问题描述】：

假设我有等式 T = sum(A**n) for n 从 1 到 M。

现在假设我知道 M 和 T，但想要 A。我将如何解决 A？

我想在发生错误时进行指数退避，但我不希望退避所花费的总时间大于 T，也不希望最大重试次数超过 M。所以我需要找到A。

【问题讨论】：

你需要解方程，对于最高 7 的度数，维基百科上有文章 en.wikipedia.org/wiki/Algebraic_equation#See_also 如果它不需要非常精确 - 你总是可以蛮力（使用二进制搜索它会很快）
提示：1-A^(n+1)=(1-A)*(1+A+A^2+...+A^n)
我投票结束这个问题，因为它与编程无关。

标签： math discrete-mathematics exponential-backoff

【解决方案1】：

n 从 1 到 M 的 sum(A**n) 的闭式解是 (A^(M+1) - 1) / (A - 1) - 1。要查看这项工作，让 M = 3 和 A = 2。然后 2^1 + 2^2 + 2^3 = 14，并且 (2^4 - 1) / (2 - 1) - 1 = 15 / 1 - 1 = 14。

所以，我们有闭式表达式 T = (A ^ (M + 1) - 1) / (A - 1) - 1。这是一个超越方程，没有闭式解。然而，因为 RHS 在 A 中是单调递增的（A 的值越大，表达式的值就越大），所以我们可以做相当于二分查找的方法来找到任意精度的答案：

L = 0
H = MAX(T, 2)
A = (L + H) / 2
while |(A ^ (M + 1) - 1) / (A - 1) - 1 - T| > precision
    if (A ^ (M + 1) - 1) / (A - 1) - 1 > T then
        H = A
    else then
        L = A
    end if
    A = (L + H) / 2
loop

示例：T = 14，M = 3，epsilon = 0.25

L = 0
H = MAX(15, 2) = 14
A = L + H / 2 = 7

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 385 > 0.25
H = A = 7
A = (L + H) / 2 = 3.5

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 44.625 > 0.25
H = A = 3.5
A = (L + H) / 2 = 1.75

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 3.828125 > 0.25
L = A = 1.75
A = (L + H) / 2 = 2.625

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 13.603515625 > 0.25
H = A = 2.625
A = (L + H) / 2 = 2.1875

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 3.440185546875 > 0.25
H = A = 2.1875
A = (L + H) / 2 = 1.96875

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 0.524444580078125 > 0.25
L = A = 1.96875
A = (L + H) / 2 = 2.078125

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 1.371326446533203125 > 0.25
H = A = 2.078125
A = (L + H) / 2 = 2.0234375

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 0.402295589447021484375 > 0.25
H = A = 2.0234375
A = (L + H) / 2 = 1.99609375

|(A ^ (M + 1) - 1) / (A - 1) - 1 - T|
 = 0.066299498081207275390625 < 0.25

Solution: 1.99609375

【讨论】：