[英]Vectorising / Paralellising GEKKO equations
使用 Phython 的 GEKKO 库并按照示例求解其原始论文中的波动方程,需要创建大量方程。
m.Equations([u[i].dt() == v[i]for i in range(npx)])
m.Equations([v[i].dt() == c**2*(u[mod(i+1,npx)]-2.0*u[mod(i,npx)]+u[mod(i-1,npx)])/dx**2 for i in arange(0,npx,1)])
(我已经通过mod
将它减少到两行,结合边界条件并让我从 0 运行到 99,但它基本上仍然与示例中的相同。)
它仍在使用for
循环,即v[i]for i in range(npx)]
。 是否可以像使用 numpy arrays 一样通过并行化/矢量化来避免这种情况,从而使代码更具可读性或模拟速度更快?
当然,对于这个问题,我的笔记本电脑上的计算只需要 <18s,但更大的问题可能会非常慢。
文档中有关于 arrays 的内容,但我不明白,我不知道这是否是我正在寻找的。
我附加了一个 MWE,在这里使用上面的代码。
如果您想提高速度,请尝试使用m.options.IMODE=7
的顺序解决方案。 对于仿真,它通常比IMODE=4
(同时解)快得多。
from gekko import GEKKO
import numpy as np
import time
start = time.time()
pi = np.pi
#Initialise model
m = GEKKO(remote = False)
#Discretisations(time and space)
npt = 200; npx = 100
m.time = np.linspace(0, 1, npt)
xpos = np.linspace(0, 2*pi, npx)
dx = xpos[1]-xpos[0]
#Define Variables
c = m.Const(value = 10)
u = [m.Var(value = np.cos(xpos[i])) for i in range(npx)]
v = [m.Var(value = np.sin(2*xpos[i])) for i in range(npx)]
#Automatic discretisation in time and manual discretisation in space
m.Equations([u[i].dt() == v[i] for i in range(npx)])
m.Equations([v[i].dt() == c**2*(u[np.mod(i+1,npx)]-2.0*u[np.mod(i,npx)]\
+u[np.mod(i-1,npx)])/dx**2 \
for i in np.arange(0,npx,1)])
#Set options
m.options.imode = 7
m.options.solver = 1
m.options.nodes = 3
m.solve(disp = False, GUI = False)
print('Solve Time: ' + str(m.options.SOLVETIME))
print('Total Time: ' + str(time.time()-start))
使用IMODE=4
,设置问题需要更多时间,但解决问题需要更少时间。
Solve Time: 2.7666
Total Time: 25.547
使用IMODE=7
,设置问题所需的时间更少,但解决问题的时间更多。
Solve Time: 8.2271
Total Time: 11.819
当您遇到更大的问题时, IMODE=7
将比IMODE=4
花费更少的时间进行仿真。 对于并行选项,您可以并行构建 model 但该 model 的解决方案除了IMODE=7
之外没有很多选项可以更快地解决问题。 您可以通过以下方式创建并行 Gekko 应用程序:
在 IPOPT 中与 ma77、ma97 等一起使用并行线性求解器。 与我对大规模问题所做的一些测试相比,这通常只提高了 20-60% 的速度。 这些选项在公开分发的 IPOPT 版本中不可用,因为求解器需要许可证。 线性求解器 MUMPS 与 Gekko 一起分发,但不包括并行支持(尽管这可能会在以后推出)。 问题是求解器只是解决方案的一部分,即使求解器速度无限快,自动微分、客观评估和方程评估仍然需要大约 50% 的 CPU 时间。
独立运行。 这通常被称为“大规模并行”,因为可以将进程拆分为单独的线程,然后在所有子进程完成后再次组合代码。 这份关于多线程和如何并行处理 Python Gekko 的说明材料? 展示如何并行计算。 您的问题不是针对多线程设置的,因为方程是一起求解的。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.