微分方程解法器（软件）比较以及DifferentialEquations.jl简单例子

最新推荐文章于 2024-05-30 09:30:34 发布
最新推荐文章于 2024-05-30 09:30:34 发布
阅读量4.1k 收藏 1
点赞数
分类专栏： 机器学习 Julia 文章标签： DifferentialEquations.jl julia ODE求解器
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ouening/article/details/100512797
版权

参考链接：

  1. https://github.com/JuliaDiffEq/DifferentialEquations.jl
  2. http://www.stochasticlifestyle.com/category/programming
  3. https://julialang.org/blog/2019/04/fluxdiffeq-zh_tw
    在这里插入图片描述

可以看到Julia的ODE求解器DifferentialEquations.jl在综合性能上是最好的，Julia语音作为新兴的科学计算语言具有非常大的潜力，其REPL解释器支持Unicode符号，个人觉得是一个非常酷的功能，以下是使用该库求解Volterra被捕食-捕食模型的简单例子：
在这里插入图片描述
在这里插入图片描述
运行结果如下：
在这里插入图片描述

落叶_小唱
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
常微分方程求解器ODE solver
qq_43222660的博客
04-21 3926
对于常微分方程的初值问题 {dydt=f(t,y),t∈[a,b]y(a)=y0(1) \left\{ \begin{array}{l} \frac{{dy}}{{dt}} = f(t,y),t \in \left[ {a,b} \right]\\ y\left( a \right) = {y_0} \end{array} \right.\tag{1} {dtdy​=f(t,y),t∈[a,b]y(a)=y0​​(1) 有以下解的存在性定理： 定义一个ODEsolver类来使用各种方法求解常微分方程，使用待
欧拉法求解微分方程组
09-11
欧拉法求解微分方程组，编程软件是VS2013，编程语言是C语言
10x倍加速PDE的AI求解：元自动解码器求解参数化偏微分方程
Kenji_Shinji的博客
12-05 1817
科学和工程中的许多应用需要求解具有不同方程系数、不同边界条件甚至不同求解域形状的偏微分方程(Partial Differential Equation，PDE)，即需要求解一个方程族而不是单个方程。这类应用经常在反问题求解、控制和优化、风险评估和不确定性量化领域中出现。从数学上讲，这类应用需要求解以下参数化偏微分方程(Parametric PDE)：第一类方法是用神经网络去近似单个PDE的解。这类方法主要依赖控制方程（或其变分形式）和边界条件来训练神经网络。例如，物理信息神经网络(Physics-Infor
推荐开源项目：StochasticDiffEq.jl——高效的随机微分方程求解器
最新发布
gitblog_00038的博客
05-30 363
推荐开源项目：StochasticDiffEq.jl——高效的随机微分方程求解器 项目地址:https://gitcode.com/SciML/StochasticDiffEq.jl 1、项目介绍 StochasticDiffEq.jl 是一个专为解决随机微分方程（SDE）和随机常微分方程（RODE）设计的开源组件，属于 Julia 科学计算生态中的重要部分。该项目提供了一系列高效且稳定的数值求解...
linux终端解微分方程,DifferentialEquations.jl v6.4.0 发布，用于微分方程高性能求解器的Julia套件...
weixin_36454562的博客
05-03 345
昨天，JuliaDiffeEq背后的团队发布了DifferentialEquations.jl v6.4.0，这是一个用于在Julia中数值求解微分方程的套件。此版本使用户能够在GPU上使用ODE求解器，自动工具可实现更快的广播，无矩阵Newton-Krylov，更好的雅可比重用算法，减少内存使用等。DifferentialEquations.jl v6.4.0中有什么新功能？ODE求解器中的完全...
COMSOL求解常微分方程
热门推荐
ouening的博客
01-10 2万+
COMSOL Multiphysics多物理场仿真软件也提供了求救常微分方程（ODE）和偏微分方程（PDE）的接口,下面详细介绍一下。 （1）建立模型，选择模型向导–>零维–>数学–>全局常微分和微分代数方程(ge)，选择研究，选择瞬态，点击完成 （2）在组件下面可以看到刚刚添加的全局常微分和微分代数方程(ge)，在右边栏，全局方程那里输入需要求解的函数。 以上图电路实例来说，现有RLC
MATLAB偏微分方程数值解
05-14
结合MATLAB偏微分方程数值解工具箱介绍偏微分方程的求解，分GUI和MATLAB函数两种实现方式进行介绍。所在套餐：MATLAB核心知识点系列课程-CSDN程序员研修院，不断更新和增加课程。
DifferentialEquations.jl：用于微分方程和科学机器学习（SciML）组件的高性能求解器的多语言套件
02-03
1. 微分方程求解器：DifferentialEquations.jl 支持多种类型的微分方程，包括常微分方程(ODEs)、偏微分方程(PDEs)、延迟微分方程(DDEs)、随机微分方程(SDEs)、分数阶微分方程(FDEs)以及差分代数方程(DAEs)。...
diffeqpy:使用DifferentialEquations.jl和SciML科学机器学习组织在Python中求解微分方程
05-10
差异性 diffeqpy是用于在Python中求解微分方程的软件包。 它利用作为其核心例程，...安装要安装diffeqpy，请使用pip： pip install diffeqpy使用diffeqpy要求在路径中安装Julia，以及DifferentialEquations.jl和PyCall.
视频图matlab代码-DifferentialEquations.jl-0c46a032-eb83-5123-abaf-570d42b7fb
05-27
经过良好优化的DifferentialEquations求解器使用一些经典算法以及最近的研究得出的基准，是一些最快的实现方案，这些算法通常优于“标准” C / Fortran方法，并且包括针对高精度和HPC应用进行了优化的算法。 同时，...
diffeqr:使用DifferentialEquations.jl和SciML科学机器学习生态系统求解R中的微分方程
05-22
它利用作为其核心例程，可以高效地求解普通微分方程（ODE），随机微分方程（SDE），延迟微分方程（DDE）和微分方程。 R中的代数方程（DAE） 如果您有任何疑问，或者只是想讨论求解器/使用软件包，请随时在聊天。 ...
微积分计算神器-手机APP（symbolab）
05-16
微积分计算神器-安卓版本（symbolab），快来下载把
线性微分方程求解器 (lde.m)：求解线性一阶矢量微分方程-matlab开发
06-01
lde.m 求解线性向量微分方程，包括具有函数系数的非齐次方程。 对于常数方阵 A，lde(A) 在功能上等同于 expm(A)（指数矩阵），尽管 lde 可以更快（对于大型矩阵）并且可以表现出更好的数值精度（例如，系数为 10^-15在一个测试用例中）。 相对于MATLAB的普通微分求解器（如ode45），lde的一个优点是可以同时得到一个齐次微分方程的所有独立解，或者可以同时处理一个非齐次方程的多个强迫函数。 包含一个实时脚本演示，显示了几个实际应用：(1) 指数矩阵，(2) 共振强迫谐振子，(3) 具有可变质量的谐振子（“弹簧上的泄漏”），（4）艾里函数，以及(5) 记分员功能。
SOLVERLAB：使用SALOMEMEDCoupling网格和PETSc矩阵的PDE求解器实验室
02-08
SOLVERLAB SOLVERLAB是一个几何和数值C ++ / Python库，为数值分析人员设计，他们致力于将一般形状和网格上的偏微分方程离散化，而更侧重于高级脚本编写。 目的是提供简单的MATLAB样式函数，以生成和操纵网格，字段和矩阵。 该库源自[CDMATH]（ ），这是一个同名的协作工作组。 它基于[SALOME]（ ）的[MEDcoupling]（ ）C ++ / python库 ）项目来处理网格和字段，并在C ++库[PETSC]（ ）上用于处理矩阵和线性求解器。 SOLVERLAB包括PDE系统，该系统是由核React堆堆芯建模产生的，涉及流体动力学，热和中子扩散以及固体弹性。 这是一个简单的环境，对学生和研究人员来说，是一种教学环境，可以在具有非结构化网格的一般几何形状上推广新的数值方法。 SOLVERLAB的主要研究目标是研究 一般网格上低马赫数可压缩流的
微分方程MATLAB求解
09-07
微分方程
Differential Equations, 4th Edition
11-02
Differential Equations,Fourth Edition,Paul Blanchard 经典不用介绍
SciMLBenchmarks.jl:科学机器学习（SciML）软件和微分方程求解器的基准
04-22
SciMLBenchmarks.jl拥有显示SciML科学机器学习软件生态系统基准的网页，pdf和笔记本，包括微分方程求解器的跨语言基准和参数估计方法，训练通用微分方程（以及诸如神经ODE的子集），以及更多的。 互动笔记本 要通过...
julia偏微分方程解法
01-06
Julia 是一种功能强大的计算机编程语言，适用于科学计算和数据分析。在 Julia 中，可以使用许多库和函数来解决偏微分方程。 首先，Julia 中有一些用于数值解偏微分方程的库，如DifferentialEquations.jl和PartialDifferentialEquations.jl。这些库提供了许多常用的数值方法，例如有限差分、有限元、有限体积等，用于求解偏微分方程。 对于一阶偏微分方程，可以使用DifferentialEquations.jl库中的`@ode`宏来求解。该宏使用常微分方程的数值解算法来求解偏微分方程。用户可以通过定义方程的初始条件和边界条件，以及选择适当的求解方法，来获得偏微分方程的数值解。 对于二阶及以上的偏微分方程，可以使用PartialDifferentialEquations.jl库提供的函数来求解。该库提供了一些常用的数值方法，如有限差分方法和有限元方法，以及一些高级的方法如多重网格方法和自适应方法。用户可以根据具体的偏微分方程类型选择合适的方法，并通过定义边界条件和初始条件来求解。 此外，Julia 还支持符号计算。用户可以使用SymPy.jl库来进行符号计算，从而得到偏微分方程的解析解。通过定义方程和边界条件，然后使用符号计算的函数，可以在 Julia 中获得偏微分方程的解析解。 综上所述，Julia 提供了丰富的库和函数来解决偏微分方程。用户可以根据具体的问题选择合适的方法，并利用 Julia 的高效计算能力获得可靠的数值解或解析解。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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