Python Numpy/Scipy求解带有积分的模拟方程组
我尝试使用numpy和scipy来解决以下两个方程:Python Numpy/Scipy求解带有积分的模拟方程组,python,numpy,scipy,Python,Numpy,Scipy,我尝试使用numpy和scipy来解决以下两个方程: P(z) = sgn(-cos(np.pi*D1) + cos(5*z)) * sgn(-cos(np.pi*D2) + cos(6*z)) 1. 0 = 2/2pi ∫ P(z,D1,D2) * cos(5z) dz + z/L 2. 0 = 2/2pi ∫ P(z,D1,D2) * cos(6z) dz - z/L 对于D1和D2(积分限值为0->2pi) 我的代码是: def equations(p, z): D1, D2
P(z) = sgn(-cos(np.pi*D1) + cos(5*z)) * sgn(-cos(np.pi*D2) + cos(6*z))
1. 0 = 2/2pi ∫ P(z,D1,D2) * cos(5z) dz + z/L
2. 0 = 2/2pi ∫ P(z,D1,D2) * cos(6z) dz - z/L
对于D1
和D2
(积分限值为0->2pi)
我的代码是:
def equations(p, z):
D1, D2 = p
period = 2*np.pi
P1 = lambda zz, D1, D2: \
np.sign(-np.cos(np.pi*D1) + np.cos(6.*zz)) * \
np.sign(-np.cos(np.pi*D2) + np.cos(5.*zz)) * \
np.cos(6.*zz)
P2 = lambda zz, D1, D2: \
np.sign(-np.cos(np.pi*D1) + np.cos(6.*zz)) * \
np.sign(-np.cos(np.pi*D2) + np.cos(5.*zz)) * \
np.cos(5.*zz)
eq1 = 2./period * integrate.quad(P1, 0., period, args=(D1,D2), epsabs=0.01)[0] + z
eq2 = 2./period * integrate.quad(P2, 0., period, args=(D1,D2), epsabs=0.01)[0] - z
return (eq1, eq2)
z = np.arange(0., 1000., 0.01)
N = int(len(z))
D1 = np.empty([N])
D2 = np.empty([N])
for i in range(N):
D1[i], D2[i] = fsolve(equations, x0=(0.5, 0.5), args=z[i])
print D1, D2
不幸的是,它似乎没有收敛。我对数值方法知之甚少,希望有人能帮我一把
多谢各位
顺便说一句,我也在尝试以下应该是等效的方法:
import numpy as np
from scipy.optimize import fsolve
from scipy import integrate
from scipy import signal
def equations(p, z):
D1, D2 = p
period = 2.*np.pi
K12 = 1./L * z
K32 = -1./L * z + 1.
P1 = lambda zz, D1, D2: \
signal.square(6.*zz, duty=D1) * \
signal.square(5.*zz, duty=D2) * \
np.cos(6.*zz)
P2 = lambda zz, D1, D2: \
signal.square(6.*zz, duty=D1) * \
signal.square(5.*zz, duty=D2) * \
np.cos(5.*zz)
eq1 = 2./period * integrate.quad(P1, 0., period, args=(D1,D2))[0] + K12
eq2 = 2./period * integrate.quad(P2, 0., period, args=(D1,D2))[0] - K32
return (eq1, eq2)
h = 0.01
L = 10.
z = np.arange(0., L, h)
N = int(len(z))
D1 = np.empty([N])
D2 = np.empty([N])
for i in range(N):
D1[i], D2[i] = fsolve(equations, x0=(0.5, 0.5), args=z[i])
print
print z[i]
print ("%0.8f,%0.8f" % (D1[i], D2[i]))
print
PSS:
我实现了你写的东西(我想我理解!),做得很好。非常感谢。不幸的是,我在这个领域没有太多的技能,也不知道如何做出合适的猜测,所以我只猜0.5(我还在最初的猜测中添加了少量的噪声,以尝试改进它)。我得到的结果似乎有数字错误,我不知道为什么,我希望你能给我指出正确的方向。基本上,我做了一次FFT扫描(对每个dutycycle变化做了一次FFT,并查看了5处的频率分量,如下图所示),发现线性部分(z/L)有点参差不齐
PSS:
谢谢你,我注意到了你建议的一些技巧。我试着复制了你的第二张图,因为它看起来非常有用。为此,我将D1(D2)固定并扫描D2(D1),并对各种z值执行此操作fmin
并非总能找到正确的最小值(取决于初始猜测),因此我对fmin
进行了初步猜测,直到找到正确答案。我得到了与你相似的答案。(我认为这是正确的?)
另外,我想说的是,您可能想给我您的联系方式,因为这个解决方案是为我的问题找到解决方案的一个步骤(我是一个做研究的学生),我肯定会在使用此代码的任何论文中感谢您
#!/usr/bin/env python
import numpy as np
from scipy.optimize import fsolve
from scipy import integrate
from scipy import optimize
from scipy import signal
######################################################
######################################################
altsigns = np.ones(50)
altsigns[1::2] = -1
def get_breaks(x, y, a, b):
sa = np.arange(0, 2*a, 2)
sb = np.arange(0, 2*b, 2)
zx = (( x + sa) % (2*a))*np.pi/a
zx2 = ((-x + sa) % (2*a))*np.pi/a
zy = (( y + sb) % (2*b))*np.pi/b
zy2 = ((-y + sb) % (2*b))*np.pi/b
zi = np.r_[np.sort(np.hstack((zx, zx2, zy, zy2))), 2*np.pi]
if zi[0]:
zi = np.r_[0, zi]
return zi
def integrals(x, y, a, b):
zi = get_breaks(x % 1., y % 1., a, b)
sins = np.vstack((np.sin(b*zi), np.sin(a*zi)))
return (altsigns[:zi.size-1]*(sins[:,1:] - sins[:,:-1])).sum(1) / np.array((b, a))
def equation1(p, z, d2):
D2 = d2
D1 = p
I1, _ = integrals(D1, D2, deltaK1, deltaK2)
eq1 = 1. / np.pi * I1 + z
return abs(eq1)
def equation2(p, z, d1):
D1 = d1
D2 = p
_, I2 = integrals(D1, D2, deltaK1, deltaK2)
eq2 = 1. / np.pi * I2 - z + 1
return abs(eq2)
######################################################
######################################################
z = [0.2, 0.4, 0.6, 0.8, 1.0]#np.arange(0., 1., 0.1)
step = 0.05
deltaK1 = 5.
deltaK2 = 6.
f = open('data.dat', 'w')
D = np.arange(0.0, 1.0, step)
D1eq1 = np.empty([len(D)])
D2eq2 = np.empty([len(D)])
D1eq1Err = np.empty([len(D)])
D2eq2Err = np.empty([len(D)])
for n in z:
for i in range(len(D)):
# Fix D2 and solve for D1.
for guessD1 in np.arange(0.,1.,0.1):
D2 = D
tempD1 = optimize.fmin(equation1, guessD1, args=(n, D2[i]), disp=False, xtol=1e-8, ftol=1e-8, full_output=True)
if tempD1[1] < 1.e-6:
D1eq1Err[i] = tempD1[1]
D1eq1[i] = tempD1[0][0]
break
else:
D1eq1Err[i] = -1.
D1eq1[i] = -1.
# Fix D1 and solve for D2.
for guessD2 in np.arange(0.,1.,0.1):
D1 = D
tempD2 = optimize.fmin(equation2, guessD2, args=(n, D1[i]), disp=False, xtol=1e-8, ftol=1e-8, full_output=True)
if tempD2[1] < 1.e-6:
D2eq2Err[i] = tempD2[1]
D2eq2[i] = tempD2[0][0]
break
else:
D2eq2Err[i] = -2.
D2eq2[i] = -2.
for i in range(len(D)):
f.write('%0.8f,%0.8f,%0.8f,%0.8f,%0.8f\n' %(D[i], D1eq1[i], D2eq2[i], D1eq1Err[i], D2eq2Err[i]))
f.write('\n\n')
f.close()
#/usr/bin/env python
将numpy作为np导入
从scipy.optimize导入fsolve
从scipy导入集成
从scipy导入优化
从scipy输入信号
######################################################
######################################################
altsigns=np.ones(50)
altsigns[1::2]=-1
def get_中断(x、y、a、b):
sa=np.arange(0,2*a,2)
sb=np.arange(0,2*b,2)
zx=((x+sa)%(2*a))*np.pi/a
zx2=(-x+sa)%(2*a))*np.pi/a
zy=((y+sb)%(2*b))*np.pi/b
zy2=(-y+sb)%(2*b))*np.pi/b
zi=np.r_u2;[np.sort(np.hstack((zx,zx2,zy,zy2))),2*np.pi]
如果zi[0]:
zi=np.r_u0[0,zi]
归子
def积分(x,y,a,b):
zi=获取中断(x%1,y%1,a,b)
sins=np.vstack((np.sin(b*zi),np.sin(a*zi)))
返回(altsigns[:zi.size-1]*(sins[:,1:]-sins[:,:-1])。和(1)/np.数组((b,a))
def方程1(p、z、d2):
D2=D2
D1=p
I1,u=积分(D1,D2,deltaK1,deltaK2)
eq1=1./np.pi*I1+z
返回abs(eq1)
def方程2(p、z、d1):
D1=D1
D2=p
_,I2=积分(D1,D2,deltaK1,deltaK2)
eq2=1./np.pi*I2-z+1
返回abs(eq2)
######################################################
######################################################
z=[0.2,0.4,0.6,0.8,1.0]#np.arange(0,1,0.1)
阶跃=0.05
deltaK1=5。
deltaK2=6。
f=打开('data.dat','w')
D=np.arange(0.0,1.0,步长)
D1eq1=np.空([len(D)])
D2eq2=np.空([len(D)])
D1eq1Err=np.空([len(D)])
D2eq2Err=np.空([len(D)])
对于z中的n:
对于范围内的i(len(D)):
#修复D2并求解D1。
对于np.arange(0,1,0.1)中的猜测1:
D2=D
tempD1=optimize.fmin(等式1,猜测1,参数=(n,D2[i]),disp=False,xtol=1e-8,ftol=1e-8,完整输出=True)
如果tempD1[1]<1.e-6:
D1eq1Err[i]=tempD1[1]
D1eq1[i]=tempD1[0][0]
打破
其他:
D1eq1Err[i]=-1。
D1eq1[i]=-1。
#修复D1并求解D2。
对于np.arange(0,1,0.1)中的猜测2:
D1=D
tempD2=optimize.fmin(等式2,猜测d2,参数=(n,D1[i]),disp=False,xtol=1e-8,ftol=1e-8,完整输出=True)
如果tempD2[1]<1.e-6:
D2eq2Err[i]=tempD2[1]
D2eq2[i]=tempD2[0][0]
打破
其他:
D2eq2Err[i]=-2。
D2eq2[i]=-2。
对于范围内的i(len(D)):
f、 写入(“%0.8f、%0.8f、%0.8f、%0.8f、%0.8f、%0.8f\n%”(D[i]、D1eq1[i]、D2eq2[i]、D1eq1Err[i]、D2eq2Err[i]))
f、 写入('\n\n')
f、 关闭()
这是一个非常不适定的问题。让我们回顾一下您正在尝试做的事情:
- 你想解决100000个优化问题
- 每个优化问题都是二维的,因此您需要O(10000)个函数评估(估计一维优化问题的O(100)个函数评估)
- 每个函数的求值取决于两个数值积分的求值
- 被积函数包含跳跃,即它们是0次连续可微的
- 被积函数是由周期函数组成的,因此它们有多个极小值和极大值
-2*pi
和2*pi
之间的值。比实际情况要少得多。因此,您已经可以看到,您只有一个解决问题的机会
I1 - z = 0
I2 + z = 0
对于极少量的z。因此,尝试将z=1000设置为z没有意义
我几乎可以肯定,这不是你需要解决的问题。(我无法想象在什么情况下会出现这样的问题。这似乎是傅里叶系数计算中的一个奇怪的扭曲…)但如果你坚持,最好的办法是先处理内部循环
正如您所注意到的,积分的数值计算会有很大的误差。这是由于sg引入的跳跃
altsigns = np.ones(50)
altsigns[1::2] = -1
def get_breaks(x, y, a, b):
sa = np.arange(0, 2*a, 2)
sb = np.arange(0, 2*b, 2)
zx = (( x + sa) % (2*a))*np.pi/a
zx2 = ((-x + sa) % (2*a))*np.pi/a
zy = (( y + sb) % (2*b))*np.pi/b
zy2 = ((-y + sb) % (2*b))*np.pi/b
zi = np.r_[np.sort(np.hstack((zx, zx2, zy, zy2))), 2*pi]
if zi[0]:
zi = np.r_[0, zi]
return zi
def integrals(x, y, a, b):
zi = get_breaks(x % 1., y % 1., a, b)
sins = np.vstack((np.sin(b*zi), np.sin(a*zi)))
return (altsigns[:zi.size-1]*(sins[:,1:] - sins[:,:-1])).sum(1) / np.array((b, a))
def equations2(p, z):
x, y = p
I1, I2 = integrals(x, y, 6., 5.)
fact = 1. / pi
eq1 = fact * I1 + z
eq2 = fact * I2 - z
return eq1, eq2
def norm2(p, z):
eq1, eq2 = equations2(p, z)
return eq1**2 + eq2**2 # this has the minimum when eq1 == eq2 == 0
z = 0.25
res = fmin(norm2, (0.25, 0.25), args=(z,), xtol=1e-8, ftol=1e-8)
print res
# -> [ 0.3972 0.5988]
print equations2(res, z)
# -> (-2.7285737558280232e-09, -2.4748670890417657e-09)
import numpy as np
from numpy import sin, cos, sign, pi, arange, sort, concatenate
from scipy.optimize import fmin
a = 6.0
b = 5.0
def P(z, x, y):
return sign((cos(a*z) - cos(pi*x)) * (cos(b*z) - cos(pi*y)))
def P1(z, x, y):
return P(z, x, y) * cos(b*z)
def P2(z, x, y):
return P(z, x, y) * cos(a*z)
altsigns = np.ones(50)
altsigns[1::2] = -1
twopi = 2*pi
pi_a = pi/a
da = 2*pi_a
pi_b = pi/b
db = 2*pi_b
lim = np.array([0., twopi])
def get_breaks(x, y):
zx = arange(x*pi_a, twopi, da)
zx2 = arange((2-x)*pi_a, twopi, da)
zy = arange(y*pi_b, twopi, db)
zy2 = arange((2-y)*pi_b, twopi, db)
zi = sort(concatenate((lim, zx, zx2, zy, zy2)))
return zi
ba = np.array((b, a))[:,None]
fact = np.array((1. / b, 1. / a))
def integrals(x, y):
zi = get_breaks(x % 1., y % 1.)
sins = sin(ba*zi)
return fact * (altsigns[:zi.size-1]*(sins[:,1:] - sins[:,:-1])).sum(1)
def equations2(p, z):
x, y = p
I1, I2 = integrals(x, y)
fact = 1. / pi
eq1 = fact * I1 + z
eq2 = fact * I2 - z
return eq1, eq2
def norm2(p, z):
eq1, eq2 = equations2(p, z)
return eq1**2 + eq2**2
def eval_integrals(Nx=100, Ny=101):
x = np.arange(Nx) / float(Nx)
y = np.arange(Ny) / float(Ny)
I = np.zeros((Nx, Ny, 2))
for i in xrange(Nx):
xi = x[i]
Ii = I[i]
for j in xrange(Ny):
Ii[j] = integrals(xi, y[j])
return x, y, I
def solve(z, start=(0.25, 0.25)):
N = len(z)
res = np.zeros((N, 2))
res.fill(np.nan)
for i in xrange(N):
if i < 100:
prev = start
prev = fmin(norm2, prev, args=(z[i],), xtol=1e-8, ftol=1e-8)
if norm2(prev, z[i]) < 1e-7:
res[i] = prev
else:
break
return res
#x, y, I = eval_integrals(Nx=1000, Ny=1001)
#zlvl = np.arange(0.2, 1.2, 0.2)
#contour(x, y, -I[:,:,0].T/pi, zlvl)
#contour(x, y, I[:,:,1].T/pi, zlvl)
N = 1000
z = np.linspace(0., 1., N)
res = np.zeros((N, 2, 2))
res[:,0,:] = solve(z, (0.25, 0.25))
res[:,1,:] = solve(z, (0.05, 0.95))