并行求解微分方程,python
发布时间:2020-12-20 13:37:32 所属栏目:Python 来源:网络整理
导读:我在数值上求解一个取决于参数的微分方程.我对解决方案并不感兴趣,而是根据参数的值对其行为感兴趣.由于我想要一个非常精确的描述,我必须使用非常精细的参数值,从而产生大量的ODE求解过程.所以我想知道是否可以“并行化”这样的程序.我的想法是,我的计算机的
我在数值上求解一个取决于参数的微分方程.我对解决方案并不感兴趣,而是根据参数的值对其行为感兴趣.由于我想要一个非常精确的描述,我必须使用非常精细的参数值,从而产生大量的ODE求解过程.所以我想知道是否可以“并行化”这样的程序.我的想法是,我的计算机的每个处理器都可以为一组不同的参数解决ODE问题.一种例子如下:
import matplotlib.pyplot as plt from scipy.integrate import ode import numpy as np # - ODE - # def sys(t,x,p1,p2): #p1 and p2 are the parameters dx=np.zeros(2) dx[0] = x[1] dx[1] = (p1+p2*cos(t))*x[0] return dx t0=0; tEnd=10; dt=0.01 r = ode(sys).set_integrator('dopri5',nsteps=10,max_step=dt) Y=[];S=[];T=[] ic=[.1,0] # - parameters range - # P1=np.linspace(0,1,100) P2=np.linspace(0,100) # -------------------- # for p1 in P1: for p2 in P2: r.set_initial_value(ic,t0).set_f_params(p1,p2) flag='No' while r.successful() and r.t +dt < tEnd: r.integrate(r.t+dt) Y.append(r.y) T.append(r.t) #-This is what we want to know. if r.y[0]>2*ic[0]: flag='Yes' break if flag=='Yes': plt.scatter(p1,p2,s=1,c='k',marker='.') # ------------------------------------ # plt.show() 请注意,每个for循环都是独立的,因此:是否可以以并行方式生成for循环?所以我想我的8个处理器中的每个处理器有可能一次做一个双循环,然后可能使计算速度大约快8倍?或者至少更快? 解决方法
我认为使用
multiprocessing最简单,只需将内循环实现为独立函数并运行result = Pool(8).map(solver,P1).要在多台计算机上扩展,我建议使用
Apache Spark.
编辑:请注意,您无法在方法本身中调用绘图方法,您应该将原始数字返回给调用者并在.map调用完成后进行绘图. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |