Funcdesigner. Um módulo Python para design de funções e derivados automáticos
Baixe Agora

Funcdesigner. Classificação e resumo

Funcdesigner. Tag

Biblioteca Python. função Projeto Sistema de álgebra de computador Cas. Design de função

Funcdesigner. Descrição

Um módulo Python para design de funções e derivados automáticos O Funcesigner é um sistema de álgebra de computador (CAS) com licença UNDE A Licença BSD e e escrita em Python + Numpy, que faz com que ela faça plataforma cruzada (Linux, Windows, Mac OS, etc). Ele melhora as habilidades do Python para o desenvolvimento de software científico, especialmente para otimização numérica e sistemas de solução de equações não lineares. A característica da estrutura é diferenciação automática (AD) (para não ser confundido com diferenciação numérica através de aproximação de derivativos de diferenças finitas e diferenciação simbólica fornecida por Maxima, Sympy etc). BTW, ferramenta comercial Tomlab / louco para custos de diferenciação automática acima de 4000 $ .see funcdesigner ad usageexample: de funcdesigner Import * A, B, C = Oovars ('A', 'B', 'C') F1, F2 = SIN a) + cos (b) - log2 (c) + sqrt (b), soma (c) + c * cosh (b) / arctan (a) + c * c + c / (a * c.size) f3 = f1 * f2 + 2 * a + pecado (b) * (1 + 2 * c.size + 3 * f2.size) f = 2 * a * b * c + f1 * F2 + F3 + ponto (A + C, B + C) Ponto = {A: 1, B: 2, C: } # No entanto, é melhor você usar matrizes numpy em vez de ListsPrint Python ( Fd (Point)) Imprimir (FD (Ponto)) Imprimir (FD (Ponto, A)) Imprimir (FD (Ponto, )) Imprimir (FD (Ponto, FixoVars = ) Saída Esperada: {a: matriz (), b: matriz (), c: matriz (, , ])} {b: matriz ()} {b: matriz ()} * Você pode usar "para" ciclo em funcdesigner codexample: De funcdesigner Import * A, B, C = Oovars ('A', 'B', 'C') F1, F2 = SIN a) + cos (b) - log2 (c) + sqrt (b), soma (c) + c * cosh (b) / arctan (a) + c * c + c / (a * c.size) f3 = f1 * f2 + 2 * a + pecado (b) * (1 + 2 * c.size + 3 * f2.size) f = pecado (f2) * f3 + 1m = 15 por i no intervalo (m): f = 0,5 * f + 0,4 * f3 * cos (F1 + 2 * f2) ponto = {A: 1, B: 2, C: } # No entanto, você 'D Melhor Uso Numpy Arrays Em vez de Python ListsPrint (FD)) Imprimir (FD (Ponto)) Imprimir (FD (Ponto, A)) Imprimir (FD (Ponto, )) Imprimir (FD (Ponto, FixoVars = )) {A: array (), B: array (), c: matriz (, , ])} {b: matriz ( )} {B: array ()} * Se algumas suas funções tivessem sido escritas em outros idiomas (c, fortran, etc), ou estão além das capacidades de anúncios do funcdesigner devido a qualquer outro motivo (tem "por loops" para "/" enquanto " , rotinas para resolver sistemas de equações diferenciais não lineares, MB, você pode definir seu próprio Oofun com wrapper em torno da função, e os derivativos ausentes serão encobertos por aproximação de derivados de diferenças finitas via derapproximador. * O funcdesigner, bem como o derapproximador, foi excluído da estrutura OpenOPT como módulo de python independente. O OpenOPT pode otimizar modelos funcdesigner sem necessidades de fornecer 1º derivativos.example: de funcdesigner importar * do OpenOPT Import NLPA, B, C = Oovars ('A', 'B', 'C') F = Sum (A * ) ** 2 + B ** 2 + c ** 2StartPoint = {A: , B: 2, C: 40} # No entanto, é melhor você usar arrays numpy em vez de Python Listsp = Nlp (F, startpoint) p.constraints = , <9 (c-2) ** 2 <1 b 1.01, ((B + C * LOG10 (A) .SUM () - 1) ** 2) .EQ (0)] r = p.Solve ('RALG') Imprimir R.XFExpected Output: ... ObjfunValue: 717.75631 (viável, restrição máxima = 7.44605E-07) {A: Array (), B: matriz (), C: Array ()} Requisitos: · Pitão · NUMPY.

Funcdesigner. Software Relacionado