4
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?
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:) –