[英]Runge-Kutta 4 in python
我有一個問題,在代碼中,h=0.1 顯示了一個小錯誤,即 h=0.01 和 h=0.001。 我不明白為什么?但是 h=0.0001 錯誤再次減少。
謝謝!
def f(x,y):
return 2*x**2-4*x+y
def RK4(x0,y0):
while x0 < b:
k1 = h*f(x0,y0)
k2 = h*f(x0+0.5*h,y0+0.5*k1)
k3 = h*f(x0+0.5*h,y0+0.5*k2)
k4 = h*f(x0+h,y0+k3)
y0+=(k1+2*k2+2*k3+k4)/6
x0+=h
return y0
b=3
h=0.001
print(RK4(1,0.7182818))
如果您還打印最后一個x0
,那么您將看到迭代永遠不會恰好在b
處停止。 h
的浮點表示將偏離機器 epsilon 的一部分。 如果它稍大,則迭代將執行正確數量的循環。 如果它更小,那么迭代將多執行一個循環,並在比b+h
少一點處停止。
此外,此測試問題的線性 DE 具有易於計算的精確解
y' - y = f'(x) - f(x), f(x) = -2*x^2
=> (y(x)-f(x))*exp(-x) = (y0-f(x0))*exp(-x0)
使得解的流函數為
def phi(x, x0,y0): return (y0+2*x0**2)*np.exp(x-x0)-2*x**2
為原始代碼提供結果
exact solution: 2.085536712902183
h returned x returned y to exact at b to exact at ret. x
------------------------------------------------------------------------------------
0.1 : 3.00000000000000178 2.08553122271193736 -5.49019e-06 -5.49019e-06
0.01 : 3.00999999999997936 2.16719971215161866 0.081663 -6.90252e-10
0.001 : 3.00099999999977962 2.09363029572970216 0.00809358 -3.81029e-13
0.0001 : 3.00000000000200018 2.08553671291035991 8.17701e-12 -7.99849e-12
1e-05 : 3.00000000001310241 2.08553671302741339 1.2523e-10 1.92886e-11
在過沖的情況下,誤差明顯是h
一小部分,而其他線條顯示了預期的 4 階收斂與浮點誤差累積競爭。
您可以通過先驗計算步數或通過更正最后一步來糾正此問題
def f(x,y):
return 2*x**2-4*x+y
def RK4(x0,y0,xf,h):
while x0 < xf:
if x0+h > xf: h=xf-x0
k1 = h*f(x0,y0)
k2 = h*f(x0+0.5*h,y0+0.5*k1)
k3 = h*f(x0+0.5*h,y0+0.5*k2)
k4 = h*f(x0+h,y0+k3)
y0+=(k1+2*k2+2*k3+k4)/6
x0+=h
return x0,y0
b=3
for k in range (1,5):
h0=10**-k;
for h in [2*h0, h0, 0.5*h0]:
xf,yf = RK4(x0, y0,b,h);
print(f'{h:6} : {xf:.17f} {yf:.17f} {yf-phi(b,x0,y0):12.6g} {(yf-phi(b,x0,y0))/h**4:12.6g}')
這給出了預期的結果
h returned x y error error/h^4
--------------------------------------------------------------------------------
0.2 : 3.00000000000000000 2.08546790477393795 -6.88081e-05 -0.0430051
0.1 : 3.00000000000000000 2.08553122271192359 -5.49019e-06 -0.0549019
0.05 : 3.00000000000000000 2.08553632856235494 -3.8434e-07 -0.0614944
0.02 : 3.00000000000000000 2.08553670239502909 -1.05072e-08 -0.0656697
0.01 : 3.00000000000000000 2.08553671223127068 -6.70912e-10 -0.0670912
0.005 : 3.00000000000000000 2.08553671285973685 -4.2446e-11 -0.0679137
0.002 : 3.00000000000000000 2.08553671290148124 -7.01661e-13 -0.0438538
0.001 : 3.00000000000000000 2.08553671290180187 -3.81029e-13 -0.381029
0.0005 : 3.00000000000000000 2.08553671290032216 -1.86073e-12 -29.7717
0.0002 : 3.00000000000000000 2.08553671290186093 -3.21965e-13 -201.228
0.0001 : 3.00000000000000000 2.08553671289418929 -7.99361e-12 -79936.1
5e-05 : 3.00000000000000000 2.08553671292377762 2.15947e-11 3.45516e+06
計算的誤差系數表明,4階方法誤差在0.005
和0.1
之間的h
占主導地位,對於較大的步長,較高的階誤差項太大,對於較小的h
,所需的步數增加了很多,以至於浮點數的累積錯誤支配了方法錯誤。
如前所述,您可以預先計算步驟數N
並確保N*h=xf-x0
。 對於那個替換
while x0 < xf:
if x0+h > xf: h=xf-x0
和
Dx = float(xf-x0); N = int(0.5+Dx/h); h = Dx/N
for _ in range(N):
您仍然可以觀察x0
中浮點錯誤的累積,
0.1 (3.0000000000000018, 2.0855312227119374)
0.01 (2.9999999999999796, 2.0855367122311055)
0.001 (2.9999999999997797, 2.085536712900021 )
0.0001 (3.000000000002, 2.08553671291036 )
1e-05 (3.0000000000131024, 2.0855367130274134)
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.