Funcdesigner Un módulo de Python para el diseño de la función y los derivados automáticos
Descargar ahora

Funcdesigner Clasificación y resumen

Funcdesigner Etiquetas

Biblioteca de Python función diseño Sistema de álgebra de computadora CAS diseño de funciones

Funcdesigner Descripción

Un módulo de Python para el diseño de la función y los derivados automáticos. FUNCDESIGNER es un sistema de álgebra de computadora (CAS) con la licencia de BSD con licencia y escrito en Python + NOMPY, que la hace multiplataforma (Linux, Windows, Mac OS, etc.). Mejora las habilidades RAD de Python Language para desarrollar software científico, especialmente para la optimización numérica y los sistemas de resolución de ecuaciones no lineales. La característica clave del marco es la diferenciación automática (AD) (no se confundir con la diferenciación numérica a través de las diferencias finitas. Derivados de la aproximación y la diferenciación simbólica proporcionada por Maxima, Sympy, etc.). BTW, herramienta comercial Tomlab / MAD para la diferenciación automática Costos de diferenciación más de 4000 $ .Ver Funcdesigner AD usageExample: desde Funtdesigner Import * A, B, C = OOVARS ('A', 'B', 'C') F1, F2 = SIN ( a) + COS (B) - Log2 (C) + SQRT (B), SUM (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 + DOT (A + C, B + C) PUNTO = {A: 1, B: 2, C: } # # Sin embargo, es mejor que use matrices numeras en lugar de Python LitsPrint ( F (punto)) Imprimir (FD (PUNTO)) Imprimir (FD (punto, A)) Impresión (FD (punto (punto, )) Impresión (FD (punto, fijación fija = ) Salida esperada: {a: array (), b: array (), c: array (, , ])} {b: array ()} {b: array ()} * Puede usar "para" Ciclo en FuntDesigner CodeeExample: de FuntDesigner Import * A, B, C = OOVARS ('A', 'B', 'C') F1, F2 = SIN ( a) + COS (B) - Log2 (C) + SQRT (B), SUM (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 = 15Por i en rango (m): F = 0.5 * F + 0.4 * F3 * COS (F1 + 2 * F2) Punto = {A: 1, B: 2, C: } # # Sin embargo, Do mejor uso de matrices numeras en lugar de Python LigsPrint (F (punto)) Imprimir (FD (punto)) Imprimir (FD (punto, a)) Impresión (FD (punto, )) Impresión (FD (punto, fijación fija = )) {a: matriz (), B: Array (), C: Array (, , ])} {b: array ( )} {b: matriz ()} * Si algunas de sus funciones se habían escrito en otros idiomas (C, FORTRAN, etc.), o están más allá de las capacidades de anuncios de FuncDesigner debido a cualquier otra razón (tiene "para" "para" , Rutinas para resolver sistemas de ecuaciones diferenciales no lineales, MB, etc.), puede definir su propio oofun con envoltura alrededor de la función, y los derivados que faltan serán cubiertos por diferencias finitas. Derivados de derivados a través de Derapropoximator. * Funcdesigner, así como Deraproximator, se excluyó del marco OpenOpt como módulo de Python independiente. OpenOpt puede optimizar los modelos Funcdesigner sin necesidades para proporcionar 1st derivados. Ejemplo: desde FuntDesigner Import * desde OpenOpt Importar NLPA, B, C = OOVARS ('A', 'B', 'C') F = SUM (A * ) ** 2 + b ** 2 + c ** 2startpoint = {a: , B: 2, C: 40} # Sin embargo, es mejor que use matrices NOMBRES en lugar de Python Listsp = NLP (F, Punto de inicio) P.Conslaints = , A <9 (c-2) ** 2 <1 b 1.01, ((B + C * log10 (a) .sum () - 1) ** 2) .eq (0)] R = P.SOLVE ('RALG') Imprimir R.XFEXPEDIDO DE SALIDA: ... OBJFUNVALUE: 717.75631 (factible, restricción máxima = 7.44605E-07) {a: matriz (), B: Array (), C: matriz ()} Requisitos: · Python · NOMBRES

Funcdesigner Software relacionado