常微分方程求解器ODE solver

最新推荐文章于 2024-06-21 09:43:00 发布

惊春青谷

最新推荐文章于 2024-06-21 09:43:00 发布

阅读量4.2k

点赞数 2

分类专栏：数值分析

本文链接：https://blog.csdn.net/qq_43222660/article/details/115877316

版权

本文探讨了常微分方程的初值问题（IVP），介绍了Euler显式格式、隐式Euler法、预报矫正法以及4阶龙格-库塔方法（RK4）等求解策略。通过实例展示了不同方法的解题效果，并讨论了常微分方程与最优化问题的转化，包括变分法的应用。此外，还提及了利用神经网络解决此类问题的可能性。

摘要由CSDN通过智能技术生成

IVP问题

对于常微分方程的初值问题
$\left\{ \begin{array}{l} \frac{ {dy}}{ {dt}} = f(t,y),t \in \left[ {a,b} \right]\\ y\left( a \right) = {y_0} \end{array} \right.\tag{1}$
有以下解的存在性、唯一性定理：

假设 $f (t, y)$ 定义在集合 $[a,b]\times[\alpha,\beta]$ 并且初值 $\alpha<y_0<\beta$ ，函数对于变量 $y$ 是Lipschitz连续，则在 $a$ 与 $b$ 之间存在 $c$ ，使得初值问题
$\left\{ \begin{array}{l} \frac{ {dy}}{ {dt}} = f(t,y),t \in \left[ {a,b} \right]\\ y\left( a \right) = {y_0}\\ t\in[a,c] \end{array} \right.\tag{2}$
有唯一解 $y (t)$ 。而且，如果 $f$ 在 $[a,b]\times[-\infty,+\infty]$ 上是Lipschitz连续，则其在 $[a, b]$ 上存在唯一解。

定义一个ODEsolver类来使用各种方法求解常微分方程，使用待求解的函数和初始值来初始化该类：

class ODEsolver:
    def __init__(self,fun,t0,y0):
        self.fun=fun
        self.t0=t0
        self.y0=y0

Euler显式格式

Euler方法为：
$\left\{ \begin{array}{l} {w_0} = {y_0}\\ {w_{i + 1}} = {w_i} + hf\left( { {t_i},{w_i}} \right) \end{array} \right.\tag{2}$
代码为：

    def eulersolver(self,tend,step=None):
        if step is None:
            step=(tend-self.t0)/1e3
        from ArrayTable import ArrayTable
        result=ArrayTable(2,0)
        result.setTableHeader(["$t$","$y(t)$"])
        result.setTableUnit(["/","/"])
        result.append([self.t0,self.y0])
        t=self.t0
        while t<tend:
            ynext=result.table[1].data[-1]+self.fun(t,result.table[1].data[-1])*step
            result.append([t+step,ynext])
            t+=step
        return result