Question

我有一个五维的寻根问题，我想在Sage笔记本中解决，但我希望解决的功能取决于在寻根过程中不应该改变的其他参数。弄清楚如何设置对scipy.optimize.newton_krylov的调用让我很难过。所以，假设我有（a，b，c，d，e我要改变的参数，F1，F2，F3，F4，F5五个表达式我要解决的等于F1Val，F2Val，F3Val，F4Val ，F5Val，我已经知道的值，以及posVal另一个已知参数）

def func(a, b, c, d, e, F1Val, F2Val, F3Val, F4Val, F5Val, posVal):
    F1.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    F2.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    F3.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    F4.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    F5.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    return (F1-F1Val, F2-F2Val, F3-F3Val, F4-F4Val, F5-F5Val)

现在我想将它传递给rootfinding函数以产生func =（0,0,0,0,0）。我想传递一个初始猜测（a0，b0，c0，d0，e0）向量和一组参数（F1Val，F2Val，F3Val，F4Val，F5Val，posVal）进行评估，但我无法弄清楚如何做这个。这种事情有标准的技术吗？ scipy中的多维寻根器似乎缺少1D根寻址器提供的args =（）变量。

最佳，

-user2275987

Answer 1

好吧，我仍然不确定如何在这里实际使用Newton-Raphson方法，但是使用fsolve工作，用于接受变量向量和常量参数向量的函数。我在这里复制我的概念验证

def tstfunc(xIn, constIn):
    x = xIn[0]
    y = xIn[1]
    a = constIn[0]
    b = constIn[1]
    out = [x+2*y+a]
    out.append(a*x*y+b)
    return out

from scipy.optimize import fsolve
ans = fsolve(tstfunc, x0=[1,1], args=[0.3, 2.1])
print ans

在Sage中将常量参数传递给多维rootfinder

1 个答案: