Question

我的问题是关于当前scipy ode solver。从scipy doc page开始，它们的用法是：

# A problem to integrate and the corresponding jacobian:

from scipy.integrate import ode
y0, t0 = [1.0j, 2.0], 0
def f(t, y, arg1):
    return [1j*arg1*y[0] + y[1], -arg1*y[1]**2]
def jac(t, y, arg1):
    return [[1j*arg1, 1], [0, -arg1*2*y[1]]]

# The integration:
r = ode(f, jac).set_integrator('zvode', method='bdf', with_jacobian=True)
r.set_initial_value(y0, t0).set_f_params(2.0).set_jac_params(2.0)
t1 = 10
dt = 1
while r.successful() and r.t < t1:
    r.integrate(r.t+dt)
    print("%g %g" % (r.t, r.y))

我的问题是：它使用了很多python循环（while循环），这实际上减慢了程序的速度。我可以尝试编写一个C代码并使用ctypes来加快速度，但是我无法在scipy中访问像dopri5这样的好算法（除非我自己实现）。

是否有任何矢量化编码方式可以加快速度？

谢谢！

Answer 1

这有点晚了，但我认为你需要的是scipy.integrate.odeint。它需要一系列时间点并计算每个时间点的解决方案。这使得循环可以在Python之外计算（在FORTRAN中）。

Answer 2

'矢量化'意味着同时进行一系列并行计算。是的，详细的实现将涉及迭代，但它在C，并且顺序对您Python程序员无关紧要。

但像这样的颂歌解决方案本质上是一个串行操作。在t解决问题之前，您必须在t+dt时解决问题。您无法通过时间对解决方案进行矢量化。您可以做的最好的事情是选择一个ode解算器，为时间步长（dt）做出明智的选择，尽可能采取重大步骤，在需要时采取小步骤来捕捉快速变化。

一个好的颂歌解算器可以让你对空间维度进行矢量化 - 即并行求解10个颂歌。您也可以向量化计算雅可比行列式，同时返回y+dy和y-dy。基本上，您希望尽可能快地计算f和jac。

矢量化的SciPy颂歌解算器

2 个答案: