Funcdesigner. Un modulo Python per la progettazione delle funzioni e i derivati automatici
Scarica ora

Funcdesigner. Classifica e riepilogo

Funcdesigner. Tag

Libreria Python. funzione design Sistema di computer algebra Cas. funzione di progettazione

Funcdesigner. Descrizione

modulo A Python per funzione di progettazione e derivati automatiche FuncDesigner è un sistema di computer algebra (CAS), con licenza unde la licenza BSD e e scritto in Python + NumPy, che lo rende multipiattaforma (Linux, Windows, Mac OS, ecc). Migliora RAD capacità del linguaggio Python per lo sviluppo di software scientifico, in particolare per l'ottimizzazione numerica e sistemi di funzione equations.Key non lineare del quadro risolvere è la differenziazione automatica (AD) (da non confondere con numerico differenziazione tramite differenze finite derivati approssimazione e la differenziazione simbolica fornito da Maxima, SymPy ecc). BTW, strumento commerciale Tomlab / MAD per le spese automatiche di differenziazione oltre 4000 $ .Vedere FuncDesigner AD usageExample: da FuncDesigner import * a, b, c = oovars ( 'a', 'b', 'c') f1, f2 = sin ( a) + cos (b) - log2 (c) + sqrt (b), la somma (c) + c * cosh (b) / arctan (a) + c * c + c / (a * c.size) f3 = f1 * f2 + 2 * a + sin (b) * (1 + 2 * c.size + 3 * f2.size) f = 2 * a * b * c + f1 * f2 + f3 + punto (a + c, b + c) la lettera = {a: 1, B: 2, c: } # tuttavia, è meglio utilizzare gli array NumPy invece di Python listsprint ( f (punto)) stampa (fD (punto)) stampa (fD (punto, a)) di stampa (fD (punto, )) di stampa (fD (punto, fixedVars = )) uscita prevista: {a: array (), b: array (), c: array (, , ])} {b: array ()} {b: array ()} * È possibile utilizzare "per" ciclo FuncDesigner codeExample: da FuncDesigner import * a, b, c = oovars ( 'a', 'b', 'c') f1, f2 = sin ( a) + cos (b) - log2 (c) + sqrt (b), la somma (c) + c * cosh (b) / arctan (a) + c * c + c / (a * c.size) f3 = f1 * f2 + 2 * a + sin (b) * (1 + 2 * c.size + 3 * f2.size) F = sin (f2) * f3 + 1M = 15PER i in range (M): F = 0.5 * F + 0,4 * f3 * cos (f1 + 2 * f2) point = {a: 1, b: 2, c: } # tuttavia, 'd meglio utilizzare le matrici NumPy invece di pitone listsprint (F (punto)) stampa (FD (punto)) stampa (FD (punto a)) di stampa (FD (punto, )) stampa (FD (punto, fixedVars = )) {a: array (), b: array (), c: array (, , ])} {b: array ( )} {b: array ()} * Se alcuni le funzioni erano stati scritti su altri linguaggi (C, Fortran, ecc), o sono oltre le capacità AD FuncDesigner a causa di qualsiasi altra ragione (ha "per" / "mentre" loop , le routine per i sistemi non lineari, mb differenziale equazioni, ecc) la risoluzione, è possibile definire il proprio oofun con involucro intorno alla funzione, ei derivati mancanti saranno coperti da differenze finite derivati approssimazione tramite DerApproximator. * FuncDesigner così come DerApproximator è stata esclusa dal quadro OpenOpt come modulo indipendente Python. OpenOpt in grado di ottimizzare i modelli FuncDesigner senza necessità di fornire 1 ° derivatives.Example: da FuncDesigner import * dall'importazione openopt NLPa, b, c = oovars ( 'a', 'b', 'c') f = somma (a * ) ** 2 + b + c ** 2 ** 2startPoint = {a: , b: 2, c: 40} # tuttavia, è meglio utilizzare le matrici NumPy invece di Python listsp = NLP (f, startPoint) p.constraints = , un <9 (c-2) ** 2 <1 b 1,01, ((b + c * log10 (a) .sum () - 1) ** 2) .eq (0)] r = p.solve ( 'ralg') stampare l'output r.xfExpected: ... objFunValue: 717,75,631 mila (fattibile, vincolo max = 7.44605e-07) {a: array (), b: array (), C: Array ()} Requisiti: · Python. · Numpy.

Funcdesigner. Software correlato