MIT differential equation---1

暑假参加了学校一个数学教授的research,通过常微分方程研究力学系统中的bifurcation(中文叫什么呢。。不明白对应中文的地方只好用english了。。)

码渣表示好久没学数学了,赶紧补课, 希望能坚持下去。


direction field

常微分方程不一定有解。 两个非常相似的常微分方程解的情况可能完全不同。

一种intuitively理解某个常微分方程的方法是使用direction field。(引入计算机处理?)

direction field法:即使用任意点,带入方程,得出在此点的slope。(笨办法)

接着介绍聪明办法:

   等式右边是斜率,只要另其等于C,就可画出一条线称为isocline,线上C恒等于一个定值。最后画出趋势,既F(x, y), 我们的integral curve。


一个x可以对应几个y,因此,需要借助计算机来验证推导出的方程。You don't know what the domain of a solution is going to be.


画direction field有两条principle.

1. Two integral curves cannot cross

原因也很好理解,在某点,只能存在一个slope

在两条integral curve逼近中,存在一个solution

2. Two integral curves cannot be tangent

by existence and uniqueness theorem


最后mit教授举了一个例子,dy/(1-y) = dx / x, 如果使用seperation of variables,画出的图形即违反了存在性(x=0),又违反了(唯一性)。

为什么会这样呢?微分方程式一定要写成标准式,dy/dx = (1-y)/x。 这样就可以发现它是不连续的。x在x=0处是undefined。


第一节课上完了,第一次那么爽的上一节数学课,要坚持下去。



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
微分进化(Differential Evolution,DE)是一种实际的全局优化方法。它是一种演化算法,源于遗传算法和进化策略。与其他优化算法相比,DE具有以下几个特点。 首先,DE具有较强的全局搜索能力。它使用一种个体的差异来引导搜索过程,通过对个体进行随机的变异和交叉操作,使搜索过程能够逃离局部最优解,进而实现对全局最优解的搜索。 其次,DE的算法过程简单易实现。DE算法的基本操作包括选择、变异和交叉,其中变异和交叉操作是DE的核心。变异通过引入随机扰动来产生新的解向量,而交叉则通过比较两个解向量的差异来生成新的解向量。这种简单直观的操作使得DE具有较低的计算复杂性和较高的实用性。 此外,DE还能够处理高维、非线性和非光滑的优化问题。由于DE采用人工进化的思想,不需要对优化问题进行特定的假设和约束,因此能够适应不同类型的问题。它可以很好地解决实际问题中存在的多个局部最优解和约束条件的情况,具有较强的自适应性和鲁棒性。 最后,DE在实际应用中具有广泛的适用性。DE已经成功应用于多个领域,如工程设计、信号处理、金融建模等。通过结合DE和其他优化算法,可以提高优化过程的效率和准确性,为实际问题提供有效的解决方案。 综上所述,微分进化是一种实用的全局优化方法,具有全局搜索能力强、算法过程简单、能处理复杂问题和广泛适用等特点。随着计算能力的不断提高和应用需求的增加,DE将在更多实际问题中发挥重要作用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值