Derisin Sonlu farklar için bir piton modülü türevleri yaklaşımı
Şimdi İndirin

Derisin Sıralama ve Özet

Derisin Etiketler

Python Kütüphanesi Python yaklaşım türevler yaklaşımı türevler

Derisin Açıklama

Sonlu farklar için bir piton modülü türevleri yaklaşımı Derproximator, sonlu farklılıklar türevleri için bir Python kütüphanesidir. Scerableproximator, Türevleri (şu anda yalnızca 1'ler) almak / kontrol etmek için küçük ama önemli bir pakettir, OpenOPT çerçevesinden bağımsız python modülü olmak için çıkarılır. FuncDesigner (doğrudan, onları doğrudan vermeden standart setin ötesinde) ve bazı OpenOpt çözücüler (kullanıcı tarafından tedarik edilen türevler olmadan bazı fonksiyonlar olduğunda). Paketin (OpenOpt ve Funcdesigner için olduğu gibi) Gereklilikler Numpy ve Python-Setuptool'dır. SADECE 2 fonksiyon sağlar - GET_D1 ve CHECK_D1. GET_D1 ve CHECK_D1 için gerekli iki argüman, ilgili func ve türevlerin alınacağı / kontrol edileceği nokta. Kullanıcı Python listesi verirse (başlangıç noktası olarak), otomatik olarak NOMPY dizisine yapılır. * GET_D1, Func F: R ^ N -> R ^ Mexample: Derproximator ithalatından * Yazdır Get_D1'den (x) ** 2) .Sum (), ) GET_D1 yazdırın (Lambda X: X ** 2, ) Beklenen çıktı: ] * Check_D1, bir fonksiyonExample'ın 1. türevlerini elde etmek için kullanıcı tarafından sağlanan yönlendirmeyi kontrol eder: Numpy ithalatından Derproximator ithalatından * Func = Lambda X: (x ** 4) .Sum () func_d = Lambda X: 40 * x ** 3x = ARANGE (1.0, 6.0) R = CHECK_D1 (FUNC, FUNC_D, X) FUNC = LAMBDA X: X ** 4FUNC_D = LAMBDA X: 40 * Diag (x ** 3) x = ARANGE (1.0, 6.0) R = CHECK_D1 (FUNC, FUNC_D, X) Beklenen Çıktı: Func Num Kullanıcı Tarafından Verilen Sayısal RD0 + 4.000E + 01 + 4.000E + 0031 + 3.200E + 02 + 3.200E + 0132 + 1.080E + 03 + 1.080E + 0233 + 2.560E + 03 + 2.560E + 0234 + 5.000E + 03 + 5.000E + 023max (ABS (D_USER - d_numerical) = 4499.9999861 ( Func Number 4'te kayıtlıdır) func num i, j: dfunc / dx Kullanıcı tarafından tedarik edilen sayısal RD00/0 + 4.000E + 01 + 4.000E + 00361/1 + 3.200E + 02 + 3.200E + 013122/2 + 1.080E + 03 + 1.080E + 023183 / 3 + 2.560E + 03 + 2.560E + 023244/4 + 5.000E + 03 + 5.000E + 023max (ABS (D_USER - d_numerical) = 4499.9999861 (Func Number 24'te kayıtlıdır) * Varsayılan difint 1.5E -8, get_d1 ve check_d1 için "Difint" argümanı ile üzerine yazabilirsiniz. Bir başka argüman, şablon, Derproximator, Funcdesigner ve OpenOpt NSP için varsayılan değer 2, 2, yani (F (x + difint) -F (x-difint)) / (2 * difint), OpenOPT NLP varsayılan için 1, yani (F (x + difint) -F (x)) / difint.Example: Numpy ithalatından * Derproximator ithalatından GET_D1FUNC = Lambda X: (x ** 4) .SUM () x = ARANGE (1.0, 6.0) R1 = get_d1 (func, x, stencil = 1, difint = 1e-5) yazdır (R1) R2 = get_d1 (func, x, stencil = 2, difint = 1E-5) Baskı (R2) Beklenen çıktı: * F (x + difint) nan (bir sayı değil) veya f (x-difint) olduğu ortaya çıkıyorsa, yalnızca bir tarafın içine dahil edileceğinden hesaplamalar. BTW Bu, çok sayıda sayısal optimizasyon problemi için tipik bir durumdur ve şu anda SCIPY'den yaklaşık yaklaşık_fprime ve check_grad işlevidir. Gereksinimler: · Python · Dizi

Derisin İlgili Yazılım