Question

我正在尝试使用scipy.optimize函数fsolve来解决四个非线性方程组。

def equations(p):
   e1, e2, F, B = p

   Eq_F1 = (-F + Fa(4, e1, e2) + Fa(5,e1, e2) - A1*Acc1(e1, e2))
   Eq_T1 = (F*L + Fa(4,e1, e2)*A2 + Fa(5, e1, e2)*A3
   Eq_F2 = (Fb(1, e1, B)*A4*math.cos(B) + Fb(2,e1)*A5 + Fb(3,e1)*A6 + F*np.cos(alpha(e1, e2))- A7*Acc2)
   Eq_T2 = (Fb(1,e1, B)*math.cos(B)*A8- F*np.cos(alpha(e1, e2))*A9- Fb(2,e1)*A10- Fb(3,e1)*A11

   return (Eq_F1, Eq_T1, Eq_F2, Eq_T2)

其中Fa，Fb et alpha是e1，e2和数字的函数。 Ai是我介绍的常量，为您提供系统的全局视图。我解决了系统如下：

e1, e2, F, B  = fsolve(equations,(0.3,5,100,0.1), xtol=1.49012e-14)

第一次猜测是合理的，知道我的问题。

假设结果为假，我在方程函数中引入了print(e1, e2, F, B)。多么惊喜！如果第一个值是0.3, 5, 100, 0.1，它们会立即跳到第二个值的极值，阻碍收敛......因此结果远非相关。

有人有想法吗？

Answer 1

我无法重现您的代码，因为我没有所有常量。在不知道问题的具体细节的情况下，我无法确定，但我猜这里数值问题很可能。

fsolve是一个在数值分析中实现算法的函数，它迭代到近似解。在某种意义上，如果用户没有针对特定问题使用正确的设置，或者如果特定的算法选择不适合该问题，则数值算法可能会“敏感”，可能会导致错误。

你的出发点可能不好 - 数值算法对起点的选择非常敏感。
你的xtol可能太小了 - 这会导致算法迭代中的小步长，这会阻止收敛，并导致数值误差（例如舍入误差）累积。

fsolve Python函数，增量bug

1 个答案: