Julia 使用微分方程：u未更新

我相信这段代码中有一个bug。为了简洁起见，我将只编写定义ODE的函数

function clones(du,u,p,t)

    (Nmut,f) = p

    # average fitness
    phi = sum(f.*u)

    # constructing mutation kernel
    eps = 0.01
    Q = Qmatrix(Nmut,eps)

    # defining differential equations
    Nclones=2^Nmut;
    du = zeros(Nclones)

    ufQ = transpose(transpose(u.*f)*Q)
    du = ufQ .- phi*u

end

如果需要完整的代码，我可以提供它，但它是混乱的，我不知道如何创建一个最小的例子。我在Nmut=2时尝试了这个方法，以便与硬编码版本进行比较。第一时间步的du输出相同。但是这个版本似乎从来没有更新过u，它保持在规定的u0

有人知道为什么会这样吗？我也可以提供完整的脚本，但如果有人能看到你为什么不更新，我想避免这种情况

编辑：

---

如果使用此版本，du将正确更新。为什么会出现这种情况？

您使用的是就地表单。这样，您就必须更新

du

的值。在您使用的脚本中

du = ufQ .- phi*u

这就是用新数组替换名称

du

，但不改变原始

du

数组中的值。一个快速解决方法是使用变异等式：

du .= ufQ .- phi*u

请注意，这是

=

要以更基于示例的格式理解这意味着什么，请考虑以下内容。我们有一个阵列：

a = [1,2,3,4]

现在，我们将一个新变量指向同一数组

a2 = a

a = [1,2,3,4]
println(a2) # [5,2,3,4]

当我们更改

a

的值时，我们会看到反映在

a2

中的值，因为它们指向相同的内存：

a[1] = 5
println(a2) # [5,2,3,4]

但是现在如果我们替换

a

我们注意到

a2

没有任何变化，因为它们不再引用相同的数组

a2 = a

a = [1,2,3,4]
println(a2) # [5,2,3,4]

像Differentialsequations.jl这样的包利用了变异形式，这样用户就可以通过反复更改缓存数组中的值来摆脱数组分配。因此，这意味着您应该更新

du

的值，而不是替换其指针

---

如果您觉得不使用变异更合适，您可以使用函数语法

f（u，p，t）

，尽管如果状态变量是（非静态）数组，那么这样做会影响性能。

这非常有用，谢谢！我已经做了编辑，其中包括硬编码版本。你能解释一下为什么这个新设置中的du没有相同的问题吗？我尝试了du.=但每次它仍然返回相同的向量du。请记下。显然，如果我删除线du=0（Nclones），修复确实有效