FuncDesigner

FuncDesigner merupakan open source CAS (Computer & nbsp; Aljabar System) ditulis dengan Python. Berikut adalah tiga contoh, sehingga Anda dapat memahami bagaimana proyek bekerja.
Contoh:
dari FuncDesigner impor *
a, b, c = oovars ('a', 'b', 'c')
f1, f2 = sin (a) + cos (b) - log2 (c) + sqrt (b), jumlah (c) + c * cosh (b) / arctan (a) + c [0] * c [1] + c [-1] / (a ​​* c.size)
f3 = f1 f2 + * 2 * a + sin (b) * (1 + 2 + 3 * c.size * f2.size)
f = 2 * a * b * c + f1 f2 + f3 * + dot (a + c, b + c)
Titik = {a: 1, b: 2, c: [3, 4, 5]} # Namun, Anda sebaiknya menggunakan array numpy bukan daftar Python
print (f (titik))
print (f.D (titik))
print (f.D (titik, a))
print (f.D (titik, [b]))
print (f.D (titik, fixedVars = [a, c]))
Output yang diharapkan:
[140.9337138 110.16255336 80.67870244]
{A: array ([69,75779959, 88,89020412, 109,93551537]), b: array ([- 23,10565554, -39,41138045, -59,08378522]),
c: array ([[6,19249888, 38,261221, 38,261221],
[29.68377935, -,18961959, 29,68377935],
[23.03059873, 23.03059873, -6,22406763]])}
[69.75779959 88.89020412 109.93551537]
{B: array ([- 23,10565554, -39,41138045, -59,08378522])}
{B: array ([- 23,10565554, -39,41138045, -59,08378522])}
& Nbsp; * Anda dapat menggunakan "untuk" siklus dalam kode FuncDesigner
Contoh:
dari FuncDesigner impor *
a, b, c = oovars ('a', 'b', 'c')
f1, f2 = sin (a) + cos (b) - log2 (c) + sqrt (b), jumlah (c) + c * cosh (b) / arctan (a) + c [0] * c [1] + c [-1] / (a ​​* c.size)
f3 = f1 f2 + * 2 * a + sin (b) * (1 + 2 + 3 * c.size * f2.size)
F = sin (f2) * f3 + 1
M = 15
for i in range (M): F = 0,5 * F + 0,4 * f3 * cos (f1 + 2 * f2)
Titik = {a: 1, b: 2, c: [3, 4, 5]} # Namun, Anda sebaiknya menggunakan array numpy bukan daftar Python
print (F (titik))
print (F.D (titik))
print (F.D (titik, a))
print (F.D (titik, [b]))
print (F.D (titik, fixedVars = [a, c]))
[4.63468686 0.30782902 1.21725266]
{A: array ([- 436,83015952, 204,25331181, 186,38788436]), b: array ([562,63390316, -273,23484496, -256,32464645]),
c: array ([[395,96975635, 167,24928464, 55,74976155],
& Nbsp; [-74,80518167, -129,34496329, -19,94804845],
& Nbsp; [-57,42472654, -45,93978123, -66,30049589]])}
[-436,83015952 204,25331181 186,38788436]
{B: array ([562,63390316, -273,23484496, -256,32464645])}
{B: array ([562,63390316, -273,23484496, -256,32464645])}
Contoh:
dari FuncDesigner impor *
dari openopt impor NLP
a, b, c = oovars ('a', 'b', 'c')
f = sum (a * [1, 2]) ** 2 + b ** 2 + c ** 2
startpoint = {a: [100, 12], b: 2, c: 40} # Namun, Anda sebaiknya menggunakan array numpy bukan daftar Python
p = NLP (f, StartPoint)
p.constraints = [(2 * c + a-10) ** 2 <1,5 + 0,1 * b, (a-10) ** 28,9, a + b> [7,97999836, 7,8552538],
a <9, (c-2) ** 2 <1, b <-1,02, c> 1.01, ((b + c * log10 (a) .sum () - 1) ** 2) .eq (0) ]
r = p.solve ('ralg')
print r.xf
Output yang diharapkan:
...
objFunValue: 717,75631 (layak, max kendala = 7.44605e-07)
{A: array ([8,99999792, 8,87525277]), b: array ([- 1,01999971]), c: array ([1,0613562])}

Apa yang baru dalam hal ini rilis:

• Interalg sekarang bekerja berkali-kali (kadang-kadang perintah) lebih cepat dari (mungkin multidimensi) masalah integrasi (IP) dan beberapa masalah optimasi
• Tambahkan pemodelan padat (MI) (QC) QP di FuncDesigner (alpha-versi, render dapat bekerja perlahan-lahan belum)
• Bugfix untuk CPLEX wrapper
• Beberapa perbaikan untuk analisis interval FuncDesigner (dan dengan demikian interalg)
• Tambahkan analisis interval FuncDesigner untuk tan dalam jangkauan (pi / 2, pi / 2)
• Beberapa perbaikan bug dan perbaikan lainnya
• (Proprietary) FuncDesigner stochastic addon sekarang tersedia sebagai mandiri pyc file, menjadi tersedia untuk Python3 juga

Apa yang baru dalam versi 0,45:

• perbaikan penting untuk analisis interval FuncDesigner (dengan demikian mempengaruhi interalg)
• Memahami Sementara untuk bug serius dalam FD diferensiasi kernel otomatis karena bug dalam beberapa versi Python atau NumPy, dapat mempengaruhi masalah optimasi, termasuk (MI) LP, (MI) NLP, TSP etc
• Beberapa perbaikan bug kecil lainnya dan perbaikan.

Apa yang baru dalam versi 0,43:

• interalg sekarang dapat memecahkan SNLE dalam mode 2 (parameter dataHandling = & quot; & quot ;, mentah sebelum - hanya & quot; diurutkan & quot;)
• Banyak perbaikan lain untuk interalg
• Beberapa perbaikan untuk kernel FuncDesigner
• FuncDesigner ODE sekarang memiliki 3 argumen bukan 4 (ketidakcocokan mundur!), Misalnya {T: np.linspace (0,1,100)} atau hanya np.linspace (0,1,100) jika sisi kanan ODE Anda adalah waktu-independend
• FuncDesigner stokastik addon sekarang dapat menangani beberapa masalah dengan berbasis gradien NLP / NSP pemecah
• Banyak perbaikan kecil dan beberapa perbaikan bug

Apa yang baru dalam versi 0,39:

• interalg: menambahkan variabel kategori dan kendala logis umum, banyak lainnya perbaikan
• Beberapa perbaikan untuk diferensiasi otomatis
• DerApproximator dan beberapa fungsi OpenOpt / FuncDesigner sekarang bekerja dengan PyPy
• solver lsmr baru untuk padat / LLSP jarang
• konstruktor oovar sekarang dapat menangani parameter lb dan ub, misalnya a = oovar ('a', lb = -1, ub = [1,2,3]) (oovar ini harus memiliki ukuran 3) atau x = oovars (10, lb = -1, ub = 1)
• New FuncDesigner fungsi hstack, sintaks mirip dengan numpy.hstack, misalnya f = hstack ((a, b, c, d))
• Beberapa perbaikan bug

Apa yang baru dalam versi 0,36:

• analisis Interval sekarang dapat melibatkan min, max, dan 1-d splines monoton R - & gt; R tanggal 1 dan ketertiban 3
• Beberapa perbaikan bug dan perbaikan

Apa yang baru dalam versi 0,21:

• Fitur baru: Integrasi, Penterjemah
• Beberapa percepatan untuk evaluasi fungsi, diferensiasi otomatis, masalah optimasi dengan beberapa variabel tetap
• parameter useSparse baru untuk probs optimasi dan diferensiasi otomatis (kadang-kadang autoselect bekerja prematur)
• parameter exactShape baru untuk diferensiasi otomatis (mencegah operasi menyanjung)
• Beberapa perbaikan bug (kebanyakan wrt menggunakan matriks jarang) dan kode pembersihan

Apa yang baru dalam versi 0,18:

• Tambah Operator FuncDesigner ifThenElse
• toleransi pribadi untuk kendala FuncDesigner
• sekarang untuk menentukan kendala kesetaraan Anda dapat menggunakan expression_1 == expression_2, mungkin dengan toleransi juga: (xpression_1 == expression_2) (tol = 0,0001)
• beberapa perbaikan dalam diferensiasi otomatis (belum lagi tetap dilakukan)
• & quot; toleransi negatif & quot; untuk kendala (menjadi ketat dengan skala yang tepat). Namun, mungkin di masa depan akan digantikan oleh sesuatu seperti myConstr (ketat = True) untuk pemahaman yang lebih baik.
• bernama () ditandai sebagai usang

Persyaratan :

• Python
• NumPy