[英]Solving a differential equation in parallel, python
我正在數值求解一個取決於參數的微分方程。 我對解決方案並不真正感興趣,而是對它們根據參數值而定的行為感興趣。 因為我想要一個非常精確的描述,所以我必須使用一個非常精細的參數值數組,從而導致許多 ODE 求解過程。 所以我想知道是否有可能“並行化”這樣一個程序。 這個想法是,也許我計算機的每個處理器都可以為一對不同的參數求解 ODE。 一種示例如下:
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()
請注意,每個for
循環都是獨立的,因此:是否可以以並行方式制作這些for
循環? 所以我可以想象,我的 8 個處理器中的每一個都可能一次執行一個 double for
循環,然后可能使計算速度大約快 8 倍? 或者至少更快?
我認為使用multiprocessing最簡單,只需將內部循環實現為獨立函數並運行result = Pool(8).map(solver, P1)
。 要在多台計算機上擴展,我建議Apache Spark 。
編輯:請注意,您不能在方法本身內調用繪圖方法,您應該將原始數字返回給調用者並在.map
調用完成后進行繪圖。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.