解决常微分数值解的情况分为刚性问题与非刚性问题。问题不同使用的函数不同,使用错了,迭代时间久了,反而效果不是很明显。

非刚性问题

在这里插入图片描述

刚性问题定义及求解器使用

所谓刚性问题,其数值解变化分量特别诡异,有时很慢,有时很快;变化快的分量很快趋于稳定值,而变化慢的分量缓慢趋于稳定值,变化快时,我们想要积分小步长,慢的趋于稳定的,我们想要步长放大。但是事与愿违,因此称这种在步长选择上有纠结的为刚性问题。在这里插入图片描述

汇总版本ode使用指南

求解器 方法描述 使用场合
ode23 2到3阶Runge-Kutta算法,低精度 非刚性
ode45 4-5阶Runge-Kutta算法,中精度 非刚性
ode113 Adams算法,精度可到10的-3次到10^-4次 非刚性,计算时间比ode45快
ode23t 梯形算法 适度刚性
ode15s 反向数值微分算法,中精度 刚性
ode23s 2阶Rosebrock算法,低精度 刚性,当精度较低时,计算时间比ode15s短
ode23tb 梯形算法,低精度 刚性,当精度较低时,计算时间比ode15s短
ode15i 可变秩求法 完全隐形微分方程

在这里插入图片描述

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐