Python scipy ode更新集合作为集合solout的函数集合内的集合参数

将ode与scipy集成时，ode接受的函数的参数多于t和y。例如：

def-fun（t，y，param1，param2）：

这些参数的值可以使用

set\u f_params

方法设置

但是，当同时使用

set_solout

方法并尝试在该函数内使用

set_f_params

更新参数时，积分保持不变，就好像没有修改参数一样

您将如何使用sol_out修改参数我希望从dopri5密集输出中获益，但我需要在每个时间步更新非齐次项

下面是一个简单的例子

import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import ode

def fun(t, x, param):
    return x - param

def f_param(t):
    return t

ode1 = ode(fun).set_integrator('dopri5').set_initial_value([10.0])
ode1.set_f_params(f_param(0))
results1 = ([], [])

ode2 = ode(fun).set_integrator('dopri5').set_initial_value([10.0])
ode2.set_f_params(f_param(0))
results2 = ([], [])

def callback1(t, x):
    results1[0].append(t)
    results1[1].append(x.copy())

def callback2(t, x):
    results2[0].append(t)
    results2[1].append(x.copy())
    ode2.set_f_params(f_param(t))

ode1.set_solout(callback1)
ode2.set_solout(callback2)

ode1.integrate(3)
ode2.integrate(3)

plt.plot(results1[0], results1[1], 'o-', alpha=0.7, label='ode1')
plt.plot(results2[0], results2[1], '.--', label='ode2')
plt.legend()

结果如下所示：

---

受@Wrzlprmft评论的启发，如果参数不是常量，则不使用参数，并在要更新的函数中直接调用更新参数的函数，这样更安全。正如他所说，这意味着：

def fun(t, x):
    return x - f_param(t)

但是，该函数（

f_param

在这种情况下）可能无法在要集成的函数的命名空间中访问（在上面的示例中为

fun

）。因此，将函数设置为要集成的函数的参数更方便，并且在开始时只使用一次

set_f_params

来指定函数

作为问题代码的延续：

def fun3(t, x, fun):
return -x + fun(t)

def fun4(t, x):
    return -x + t 

ode3 = ode(fun3).set_integrator('dopri5').set_initial_value([10.0])
ode3.set_f_params(f_param)
results3 = ([], [])

ode4 = ode(fun4).set_integrator('dopri5').set_initial_value([10.0])
results4 = ([], [])

def callback3(t, x):
    results3[0].append(t)
    results3[1].append(x.copy())

def callback4(t, x):
    results4[0].append(t)
    results4[1].append(x.copy())

ode3.set_solout(callback3)
ode4.set_solout(callback4)

ode3.integrate(3)
ode4.integrate(3)

plt.figure(figsize=(8, 5))
plt.plot(results1[0], results1[1], 'o-', alpha=0.7, label='ode1')
plt.plot(results2[0], results2[1], '.--', label='ode2')
plt.plot(results3[0], results3[1], 's-.', label='ode3')
plt.plot(results4[0], results4[1], '^-.', label='ode3')
plt.legend()

如图所示，ode3和ode4提供相同的解决方案：

---

这是在SciPy 1.0中发布时的操作方式：

from functools import partial

import numpy as np
from scipy.integrate import solve_ivp

import matplotlib.pyplot as plt


def fun_fixed(t, x, param):
    return x - param

sol_fixed = solve_ivp(
    partial(fun_fixed, param=0), (0, 3), [10.0], dense_output=True)

def fun_param(t, x, fun):
    return -x + fun(t)

def f_param(t):
    return t

sol_param = solve_ivp(
    partial(fun_param, fun=f_param), (0, 3), [10.0], dense_output=True)

t = np.linspace(0, 3, num=16)

plt.figure(figsize=(8, 5))
plt.plot(t, sol_fixed.sol(t)[0], 'o-', alpha=0.7, label='ode1')
plt.plot(t, sol_param.sol(t)[0], 's-.', label='ode3')
plt.legend()

---

请注意，在计算导数时，您最有可能通过完全不使用参数，而是采取一切必要的措施来获得与时间相关的参数来避免此问题。在您的示例中，您可以使用

deffun（t，x）：返回x-f_参数（t）

。顾名思义，

set\u solout

是指在每一个自适应集成步骤之后，如果您想要像输出这样的东西。还要注意，每个集成步骤在不同的时间包含多个函数求值。因此，使用

set\u solout

更改参数的频率比我建议的备选方案要低。您是对的，使用

set\u solout

更新参数不是最佳的备选方案，因为它们在自适应积分步骤中是固定的。但是，直接调用在要集成的函数中设置参数的函数并不总是一个选项。然而，该函数可以作为param本身传递，并且永远不需要更新！更容易和功能！伟大的谢谢@astrojuanlu@astrojuanlu是否可以将此解算器用于ode系统？当然，也可以用于较旧的解算器。你必须以向量/数组的形式写它们，查看文档。什么是有趣的（t）？这不是有点多余吗？不能在fun_param本身中包含f_param的代码吗？