RK45#
- class scipy.integrate.RK45(fun, t0, y0, t_bound, max_step=inf, rtol=0.001, atol=1e-06, vectorized=False, first_step=None, **extraneous)[源代码]#
显式五(四)阶龙格-库塔方法。
这使用了 Dormand-Prince 公式对 [1]。误差控制是假定四阶方法的精度,但步进则使用五阶精确公式(进行局部外推)。四次插值多项式用于稠密输出 [2]。
可应用于复数域。
- 参数:
- fun可调用对象
系统的右侧。调用签名为
fun(t, y)
。其中t
是一个标量,对于 ndarrayy
有两种选择:它可以是形状 (n,);则fun
必须返回形状为 (n,) 的 array_like 对象。或者它可以是形状 (n, k);则fun
必须返回形状为 (n, k) 的 array_like 对象,即每列对应y
中的一个单列。这两种选项的选择由 vectorized 参数决定(参见下文)。- t0浮点数
初始时间。
- y0array_like, shape (n,)
初始状态。
- t_bound浮点数
边界时间 — 积分不会超出此时间。它也决定了积分的方向。
- first_step浮点数或 None,可选
初始步长。默认值为
None
,表示算法将自行选择。- max_step浮点数,可选
允许的最大步长。默认值为 np.inf,即步长不受限制,完全由求解器决定。
- rtol, atol浮点数和 array_like,可选
相对和绝对容差。求解器将局部误差估计值保持在小于
atol + rtol * abs(y)
。其中 rtol 控制相对精度(正确位数),而 atol 控制绝对精度(正确小数位数)。为达到所需的 rtol,请将 atol 设置为小于rtol * abs(y)
中可能预期的最小值,以便 rtol 在允许误差中占主导地位。如果 atol 大于rtol * abs(y)
,则不能保证正确位数。反之,为达到所需的 atol,请设置 rtol,使得rtol * abs(y)
始终小于 atol。如果 y 的分量具有不同的尺度,通过为 atol 传递形状为 (n,) 的 array_like 对象来为不同分量设置不同的 atol 值可能会有所帮助。默认值 rtol 为 1e-3,atol 为 1e-6。- vectorized布尔值,可选
fun 是否以向量化方式实现。默认值为 False。
- 属性:
- n整型
方程数量。
- status字符串
求解器当前状态:‘running’(运行中)、‘finished’(已完成)或 ‘failed’(失败)。
- t_bound浮点数
边界时间。
- direction浮点数
积分方向:+1 或 -1。
- t浮点数
当前时间。
- yndarray
当前状态。
- t_old浮点数
上一个时间。如果尚未进行任何步进,则为 None。
- step_size浮点数
上一个成功步进的大小。如果尚未进行任何步进,则为 None。
- nfev整型
系统右侧的评估次数。
- njev整型
雅可比矩阵的评估次数。对于此求解器始终为 0,因为它不使用雅可比矩阵。
- nlu整型
LU 分解次数。对于此求解器始终为 0。
方法
计算上一个成功步进的局部插值。
step
()执行一次积分步进。
参考资料