Question

我正在使用fsolve来解决非线性方程。我的问题是，根据起点，解决方案会发生变化，我不确定我找到的那些是最合理的。这是代码

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import fsolve, brentq,newton


A = np.arange(0.05,0.95,0.01)


PHI = np.deg2rad(np.arange(0,90,1))

def f(b):
    return np.angle((1+3*a**4-3*a**2)+(a**4-a**6)*(np.exp(2j*b)+2*np.exp(-1j*b))+(a**2-2*a**4+a**6)*(np.exp(-2j*b)+2*np.exp(1j*b)))-Phi  


B = np.zeros((len(A),len(PHI)))
for i in range(len(A)):
    for j in range(len(PHI)):
        a = A[i]
        Phi = PHI[j]
        b = fsolve(f, 1)
        B[i,j]= b

我修复了x0 = 1，因为它似乎给出了更合理的值。但有时，我认为该方法不会收敛，结果值太大。

如何找到最佳解决方案？

非常感谢！

Answer 1

使非线性求解器松动的永恒问题是对你的函数，初始猜测，求解器本身以及你试图解决的问题有一个非常好的理解。

我注意到有很多（a，Phi）组合，你的功能没有真正的根源。您应该根据您尝试解决的实际问题进行一些数学计算，并确定函数应该具有根的位置。不知道实际问题，我不能为你做那件事。

另外，正如在（自已删除的）答案中所指出的，这在b上是循环的，因此使用有界求解器（例如使用method ='L-BFGS-B'的scipy.optimize.minimize可能有助于保持不变注意，要使用最小化器查找根，可以使用函数的平方。如果找到的最小值不接近于零（根据问题定义），实际最小值可能是复共轭对。

祝你好运。

解决问题的出发点

1 个答案: