并行求解微分方程python

我在数值上求解一个依赖于参数的微分方程。我对解决方案并不是很感兴趣，而是根据参数的价值取决于他们的行为。因为我想要一个非常精确的描述，所以我必须使用一组非常精确的参数值，从而导致很多ODE求解过程。所以我想知道是否有可能“并行”这样一个程序。这个想法是，也许我的计算机的每个处理器都可以解决一个不同的参数对的ODE。一个类的实例如下：并行求解微分方程python

import matplotlib.pyplot as plt 
from scipy.integrate import ode 
import numpy as np 

# - ODE - # 
def sys(t,x,p1,p2): #p1 and p2 are the parameters 
    dx=np.zeros(2) 
    dx[0] = x[1] 
    dx[1] = (p1+p2*cos(t))*x[0] 
    return dx 

t0=0; tEnd=10; dt=0.01 
r = ode(sys).set_integrator('dopri5', nsteps=10,max_step=dt) 
Y=[];S=[];T=[] 
ic=[.1,0] 
# - parameters range - # 
P1=np.linspace(0,1,100) 
    P2=np.linspace(0,1,100) 
# -------------------- # 
for p1 in P1: 
    for p2 in P2: 
     r.set_initial_value(ic, t0).set_f_params(p1,p2) 
     flag='No' 
     while r.successful() and r.t +dt < tEnd: 
      r.integrate(r.t+dt) 
      Y.append(r.y) 
      T.append(r.t) 
       #-This is what we want to know. 
      if r.y[0]>2*ic[0]: 
       flag='Yes' 
       break 
     if flag=='Yes':  
      plt.scatter(p1,p2,s=1, c='k', marker='.') 
# ------------------------------------ # 
plt.show()

注意，每个for循环是独立的这样：是否有可能使那些for循环以并行的方式？所以我可以想象，我的每个8处理器可能每次只执行一次双重for循环，然后可能使计算速度快大约8倍？或者至少更快？

来源

2013-10-04 PepeToro

看看[queue]（http://docs.python.org/3.3/library/queue.html）模块 – kalhartt

谢谢，我查了一下，但是我也发现[dispy]（http：// dispy.sourceforge.net），它解决了我的问题，就像我想的那样，我想回答我自己的问题，但似乎这是不可能的，至少对我而言。 – PepeToro

@ user58533我认为你现在有足够的信誉点来回答你自己的问题。我认为看到你的解决方案的更多细节会很有趣:) –

我认为使用multiprocessing最简单，只需将内部循环实现为独立功能并运行result = Pool(8).map(solver, P1)即可。要在多台计算机上扩展，我建议使用Apache Spark。

编辑：请注意，您不能调用方法本身内绘制方法，你应该返回原始数据的调用者和被调用.map结束后做策划。

来源

2015-10-01 13:20:50 NikoNyrh

并行求解微分方程python

回答

相关问题