这是事情。
我试图在Python中使用fsolve函数来查找三次函数的根。该三次函数具有参数deltaW
。我所做的是将此参数deltaW
从-50
更改为50
,并同时查找三次函数的根。以下是我的剧本:
from scipy.optimize import fsolve
import matplotlib.pyplot as plt
import numpy as np
import pylab
g = 5.61
gamma = 6.45
kappa = 6.45
J = 6.45
rs = 1.0 #There are just parameters
m = 5.0*10**(-11)
wm = 2*3.14*23.4
X = []
X1 = []
def func(x): #Define the cubic function I need to solve
A = 1j*g**2*(kappa + 1j*deltaW)*x*x/(m*wm**2)
B = J**2 + (1j*deltaW - gamma)*(1j*deltaW + kappa)
C = A + B
D = abs(C)*x - J*np.sqrt(2*kappa)*rs
return D
for deltaW in np.linspace(-50, 50, 1000):
x0 = fsolve(func, 0.0001)
X.append(x0)
deltaW = np.linspace(-50, 50, 1000)
plt.plot(deltaW, X)
plt.show()
当我运行此脚本时,我收到以下两条消息:
RuntimeWarning: The iteration is not making good progress, as measured by the
improvement from the last five Jacobian evaluations.
warnings.warn(msg, RuntimeWarning)
/usr/lib/python2.7/dist-packages/scipy/optimize/minpack.py:152: RuntimeWarning: The iteration is not making good progress, as measured by the
improvement from the last ten iterations.
warnings.warn(msg, RuntimeWarning)
对不起,我没有足够的声誉把这个剧本的情节放在这里。我的问题是为什么我会收到这条消息,为什么我的情节在左边部分看起来很奇怪。
是因为我的代码错了吗?
答案 0 :(得分:6)
正如几乎所有找到根的情况一样,必须进行良好的初步猜测。事实上,有时最好的初步猜测是错误的。这就是这种情况。你的脚本的行为,在答案中显示出意想不到的“尖峰”,可以通过绘制函数来绘制更深入的内容,并在这些峰值周围绘制找到的根源(嘿,你有一个Python控制台 - 这个真的很容易。)
你发现解算器返回的解决方案正在四处跳跃,即使该函数看起来并没有那么不同。问题是你初始猜测的0.0001接近函数的一个微小的最小值,求解器无法弄清楚如何离开那里。将初始猜测设置为1.0(远处,但在函数的一个很好的,容易下降的部分,将直接指向根),结果反而在:
所以,有三件事: 1.解决者需要爱护和关注 - 他们很少是自动化的。
有时候,“正确”的初始猜测可能远离你所知道的正确答案,但是这样一来,解算器就可以轻松完成。
交互式Python控制台可让您快速查看正在发生的事情。使用它的力量!