FuncDesigner Un module Python pour la conception de la fonction et les dérivés automatiques
Télécharger maintenant

FuncDesigner Classement & Résumé

FuncDesigner Mots clés

Bibliothèque Python une fonction conception Computer Algebra System CAS conception de la fonction

FuncDesigner La description

Un module Python pour la conception de la fonction et les dérivés automatiques FuncDesigner est un système d'algébra d'ordinateur (CAS) avec licence de licence sous licence la licence BSD et écrite dans Python + Numpy, qui le rend inter-plate-forme inter-plate-forme (Linux, Windows, Mac OS, etc.). Il améliore les capacités de radication de la langue de Python pour le développement de logiciels scientifiques, en particulier pour les systèmes d'optimisation numérique et de résolution de systèmes d'équations non linéaires. La caractéristique de la structure est la différenciation automatique (AD) (à ne pas être confondu avec la différenciation numérique via des dérivés de différences finis et la différenciation symbolique fournie par Maxima, sympty, etc.). BTW, outil commercial Tomlab / MAD pour les coûts de différenciation automatique supérieurs à 4000 $ .See FuncDesigner ad USAGEExample: de FuncDesigner Importer * A, B, C = oovars ('A', 'B', 'C') F1, F2 = SIN ( a) + COS (B) - LOG2 (C) + SQRT (B), SUM (C) + C * COSSH (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 + DOT (A + C, B + C) Point = {A: 1, B: 2, B: } # Cependant, vous feriez mieux d'utiliser des tableaux numpus à la place des listes de pythonPrint ( F (point)) Imprimer (FD (Point)) Imprimer (FD (Point, A)) Imprimer (FD (Point, )) Imprimer (FD (Point, FixeVars = )) Sortie attendue: {a: array (), b: array (), c: array (, , ])} {b: Array ()} {b: Array ()} * Vous pouvez utiliser "pour" cycle de cycle dans FuncDesigner CodeExample: à partir de FuncDesigner Importer * A, B, C = oovars ('A', 'B', 'C') F1, F2 = SIN ( a) + COS (B) - LOG2 (C) + SQRT (B), SUM (C) + C * COSSH (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 = 15 pour i dans la plage (m): F = 0,5 * F + 0,4 * F3 * COS (F1 + 2 * F2) Point = {A: 1, B: 2, C: } # Cependant, vous "D Mieux utiliser des tableaux numpy à la place de Python ListsPrint (FD (point)) Imprimer (FD (Point)) Imprimer (FD (Point, A)) Imprimer (FD (Point, )) Imprimer (FD (Point, MecoryVars = )) {A: tableau (), B: Array (), C: Array (, , ])} {b: Array ( )} {b: tableau ()} * Si de vos fonctions avaient été écrites dans d'autres langues (C, Fortran, etc.), ou sont au-delà des fonctionnalités de publicité FuncDesigner en raison de toute autre raison (a «pour» / «tandis que» les boucles , routines de résolution de systèmes d'équations différentielles non linéaires, MB, etc.), vous pouvez définir votre propre ofun avec enveloppe autour de la fonction, et les dérivés manquants seront recouverts d'une approximation des dérivés de différences finis via DerApproxImator. * FuncDesigner ainsi que Deraproximator a été exclu du cadre OpenOpt en tant que module Python indépendant. OpenOPT peut optimiser les modèles FuncDesigner sans avoir à fournir 1er dérivés.Example: à partir de FuncDesigner Importer * à partir de OpenOpT Import NLPA, B, C = oovars ('A', 'B', 'C') F = SUM (A * ) ** 2 + B ** 2 + C ** 2Starpoint = {A: , B: 2, C: 40} # Cependant, vous feriez mieux d'utiliser des tableaux numpus à la place de Python ListSp = Nlp (f, point de départ) p.constraints = <9 (c-2) ** 2 <1 b 1.01 (((B + C * LOG10 (A) .sum () - 1) ** 2) .EQ (0)] r = p.solve ('ralg') Imprimer la sortie R.XFExpectée: ... objfunvalue: 717.75631 (faisable, max contrainte = 7,44605e-07) {A: tableau (8.99999792, 8.87525277]), B: tableau (), C: Array ()} Exigences: · Python · Numpy

FuncDesigner Logiciels associés