问题标签 [ode]

我有一些微分方程需要使用 MATLAB 的 ODE 求解器求解。虽然微分方程本身相当简单，但它们依赖于许多“常数”。这些常量不是通用的，需要由调用者提供。

这种类型的示例 ODE 将是：

其中 j、k 和 l 是常数，x 是变量。

到目前为止，我解决这些问题的方法是使用一个函数，该函数将所有初始值和所有常量值（大约有 10 个）作为参数，然后调用一个内部“step”函数，该函数采用MATLAB 对其 ODE 求解器所期望的形式的向量。所以...

然而，随着变量数量和代码大小的增加，这变得越来越不优雅，并导致代码混乱得几乎无法阅读。所以，我想做的是将每个系统的步进函数移动到它自己的文件中，而不必 a) 将常量传递给输入向量中的步进函数或 b) 使用全局变量。有什么合理的方法可以做到这一点，还是我应该把它吸起来并写出丑陋的代码？

我正在尝试使用 Mathematica 的 NDSolve[] 使用耦合 ODE 计算沿球体的测地线：

问题是我只能输入 x(0) 和 x'(0) 的初始条件，求解器对 x" = 0 的解感到满意。问题是我在球体上的测地线具有 x “（0）= -x（0），我不知道如何告诉mathematica。如果我将此添加为条件，则表示我将 True 添加到条件列表中。

这是我的代码：

我想修改它，使初始加速度不为零，而是-x(0).

谢谢

我想编写一个函数，其中有一个循环，它执行欧拉方法所需的操作。下面是我糟糕的尝试。

我正在尝试在java中创建一个简单的SIR-epidemics模型模拟程序。

基本上，SIR 由三个微分方程组定义：
S'(t) = - l(t) * S(t)
I'(t) = l(t) * S(t) - g(t) * I(t)
R'(t) = g(t) * I(t)

S - 易感人群，I - 感染者，R - 康复者。

l(t) = [c * x * I(t)] / N(T)

c - 接触人数，x - 传染性（与病人接触后生病的概率），N(t) - 总人口（恒定）。

如何在 Java 中求解这样的微分方程？我不认为我知道任何有用的方法来做到这一点，所以我的实现产生了垃圾。

}

我将不胜感激任何帮助，非常感谢提前！

这个方程主要是这个线程的结果：Java 中的微分方程。
基本上，我尝试遵循 Jason S. 的建议并通过 Runge-Kutta 方法 (RK4) 实现微分方程的数值解。

大家好，我正在尝试用java创建一个简单的SIR-epidemics模型模拟程序。基本上，SIR 由三个微分方程组定义：
S'(t) = - lamda(t) * S(t)
I'(t) = lamda(t) * S(t) - gamma(t) * I(t)
R'(t) = gamma(t) * I(t)
S - 易感人群，I - 感染者，R - 康复者。lamda(t) = [c * x * I(t)] / N(T) c - 接触人数，x - 传染性（与病人接触后生病的概率），N(t) - 总人口（其中是恒定的）。
gamma(t) = 1 / 病程（常数）

在第一次不是很成功的尝试之后，我尝试用 Runge-KUtta 解决这个方程，这个尝试产生了以下代码：

这似乎不起作用，因为生病的人数（I）应该先增加，然后减少到大约0，并且恢复的人数应该严格增加。生病 + 健康 + 康复的总数应该是 100，但我的代码产生了一些奇怪的结果：

找不到错误，请指教！提前谢谢了！

我正在为我的大学论文项目寻找一个解决 ODE 的库...我想找到的库必须具有以下功能：

• 事件演算（类似于内部事件停止的连续演算，如达到约束和其他事件）

• 我正在使用 C# 4.0，所以我认为任何库都可以

• 有良好的表现

• 没有$$^^"

如何找到三阶 ODE 的解与线 y=x 之间的交点？

我的 ODE 的代码是

我有一个可以解决 dy/dt=t/y 和 y(0)=1 的 matlab 代码，对于任何给定的问题，我如何推广它来解决 dy/dt=f(t,y), y(o)=y_0 f(t,y)？

我们可以将deSolveR 中的包用于常微分方程 (ODE)，但是，我找不到解决两个嵌套 ODE 方程的方法，假设`

其中'表示差异化。a那么我们该如何解决b呢？作为a'的函数b，我们必须同时求解a和b。

我收到一个错误：

lsoda(y, times, func, parms, ...) 中的错误：无法嵌套使用的求解器组合。

当我尝试b在 ode 解决方案中添加解决方案时a。

作为 MATLAB 的转换者，我对 python 和 scipy 比较陌生。我正在对 scipy.integrate 中的 odeint 函数进行快速测试，并遇到了这个潜在的错误。考虑以下代码段：

我制作了一个图表来说明两种结果的差异，请单击此处。

至少对我来说，你如何看待这种毫无根据的结果差异？我在 Python 2.6.6 之上使用 NumPy 版本 1.5.0 和 SciPy 版本 0.8.0