定点爬坡是一种常用的优化算法，其主要思想是从一个起点开始，沿着梯度方向一步步地向下搜索，直到找到一个局部最优解。但是，在实际应用中，我们往往面临找不到起点的情况，这时候就需要使用找点位的方法。

找点位，简单来说，就是通过对函数进行采样，找到一些可能的起点，然后分别从这些起点开始运用定点爬坡算法寻找最优解。具体如何找点位呢？以下是具体步骤：

1. 构建函数图像。首先需要对给定的函数进行可视化，可以使用绘图工具将其画出来。这有助于我们对函数的形态有更深入的了解。

2. 选择采样点。根据函数图像，选择一些可能的起点，这些点应该分布在函数的局部极值附近。可以尝试不同的采样密度，以获得更好的效果。

3. 运用定点爬坡算法。对于每个采样点，分别运用定点爬坡算法，寻找最优解。需要注意的是，由于每个采样点都可能得到不同的最优解，因此需要对结果进行比较，选择最优的解。

4. 输出结果。最后，输出所有采样点的最优解，并选择最优的解作为函数的全局最优解。

总之，找点位是一种有效的优化算法，可以帮助我们解决定点爬坡算法中找不到起点的问题。通过合理选择采样点和运用定点爬坡算法，我们可以获得更好的优化结果。