FuncDesigner

파이썬으로 작성된

FuncDesigner는 오픈 소스 CAS (대수 시스템 컴퓨터 & NBSP)입니다. 다음 세 가지 예, 그래서 프로젝트가 어떻게 작동하는지 이해 할 수 있습니다.
예 :
FuncDesigner 수입 *에서
A, B, C = oovars ( 'A', 'B', 'C')
F1, F2 = 죄 (a) + COS (b) - LOG2 (c) + SQRT (b), 합계 (C) + C *의 COSH (b) / 아크 탄젠트 (a) + C [0] * C [1] + C의 [-1] / (*의 c.size)
F3 = F1 + F2 * 2 * 죄 + (B) * (1 + 2 + 3 * c.size * f2.size)
F = 2 * A * B 형 *의 C + F1 * F2 + F3 + 점 (+ C, B + C)
포인트 = {1, B : 2, C : [3, 4, 5]} # 그러나, 당신은 더 나은 NumPy와 배열 대신 파이썬 목록을 사용하십시오
인쇄 (F (점))
인쇄 (f.D (점))
인쇄 (f.D (지점))
인쇄 (f.D (점, [B]))
인쇄 (f.D (포인트, fixedVars의 = [A, C]))
예상 출력 :
[140.9337138 110.16255336 80.67870244]
{: 배열 ([69.75779959, 88.89020412, 109.93551537), B : 배열 ([- 23.10565554, -39.41138045, -59.08378522),
C : 배열 ([[6.19249888, 38.261221, 38.261221]
[29.68377935, -0.18961959, 29.68377935]
[23.03059873, 23.03059873, -6.22406763]])}
[69.75779959 88.89020412 109.93551537]
{B : 배열 ([- 23.10565554, -39.41138045, -59.08378522])}
{B : 배열 ([- 23.10565554, -39.41138045, -59.08378522])}
& NBSP; * 당신은 FuncDesigner 코드의주기 "를"사용할 수 있습니다
예 :
FuncDesigner 수입 *에서
A, B, C = oovars ( 'A', 'B', 'C')
F1, F2 = 죄 (a) + COS (b) - LOG2 (c) + SQRT (b), 합계 (C) + C *의 COSH (b) / 아크 탄젠트 (a) + C [0] * C [1] + C의 [-1] / (*의 c.size)
F3 = F1 + F2 * 2 * 죄 + (B) * (1 + 2 + 3 * c.size * f2.size)
F = 죄 (F2) * F3 + 1
M = 15
에 대한 전 범위 (M)에서 : F = 0.5 * F + 0.4 * F3 * COS (F1 + 2 * F2)
포인트 = {1, B : 2, C : [3, 4, 5]} # 그러나, 당신은 더 나은 NumPy와 배열 대신 파이썬 목록을 사용하십시오
인쇄 (F (점))
인쇄 (F.D (점))
인쇄 (F.D (지점))
인쇄 (F.D (점, [B]))
인쇄 (F.D (포인트, fixedVars의 = [A, C]))
[4.63468686 0.30782902 1.21725266]
{: 배열 ([- 436.83015952, 204.25331181, 186.38788436), B : 배열 ([562.63390316, -273.23484496, -256.32464645),
C : 배열 ([[395.96975635, 167.24928464, 55.74976155]
& NBSP; -74.80518167, -129.34496329, -19.94804845]
& NBSP; -57.42472654, -45.93978123, -66.30049589]])}
[-436.83015952 204.25331181 186.38788436]
{B : 배열 ([562.63390316, -273.23484496, -256.32464645])}
{B : 배열 ([562.63390316, -273.23484496, -256.32464645])}
예 :
FuncDesigner 수입 *에서
openopt 수입 NLP에서
A, B, C = oovars ( 'A', 'B', 'C')
F = SUM (*의 [1, 2]) ** 2 + B ** 2 + C ** 2
다른 startPoint = {: [100, 12], B : 2, C : 40} # 그러나, 당신은 더 나은 NumPy와 배열 대신 파이썬 목록을 사용하십시오
P = NLP (F, 다른 startPoint)
p.constraints 용 = [(2 * + C-10) ** 2 <1.5 + 0.1 * B를, (A-10) 28.9 **, +는 B> [7.97999836, 7.8552538]를
<9 (c-2) ** 2 <1, B <-1.02, C> 1.01, ((b + C * LOG10 (a) .sum () - 1) ** 2) .EQ (0) ]
R = p.solve ( 'ralg')
인쇄 r.xf
예상 출력 :
...
objFunValue : 717.75631 (가능, 최대 제약 = 7.44605e-07)
{: 배열 ([8.99999792, 8.87525277), B : 배열 ([- 1.01999971), C : 배열 ([1.0613562])}

이 릴리스의 새로운 기능입니다 :

< p는> Interalg 지금 빨리 (아마도 다차원) 통합 문제 (IP)에 대한 일부 최적화 문제에 많은 시간 (때로는 주문)를 작동
모델링 밀도 (MI) FuncDesigner에 (QC) QP 추가 (알파 버전을, 렌더링은 아직 천천히 작동 할 수 있습니다)
CPLEX 래퍼에 대한 버그 수정
(따라서 interalg과) 일부 FuncDesigner 간격 분석을위한 개선
범위에서 황갈색에 대한 FuncDesigner 간격 분석을 추가 (-pi / 2, PI / 2)
일부 다른 버그 수정 및 개선
(독점) FuncDesigner의 확률 애드온은 지금뿐만 아니라 Python3 위해 가능한 독립에 pyc 파일로 제공되었다입니다

버전 0.45의 새로운 기능 :

이 FuncDesigner 간격 분석을위한 필수 개선 (따라서 interalg에 영향)
때문에 파이썬 또는 NumPy와, 일부 버전에서 버그 FD 자동 차별화 커널에 심각한 버그에 대한 임시 둘러보기가 (MI) LP (MI) NLP를 포함하여, 최적화 문제에 영향을 미칠 수있는, TSP 등
사소한 버그 수정 및 개선 몇 가지 다른.

버전 0.43의 새로운 기능 :

이제 2 모드에서 SNLE를 해결할 수 interalg (매개 변수 dataHandling = & quot; 원료 및 이전 quot ;, - 만 & quot; 분류 & quot;)
interalg에 대한 다른 많은 개선
FuncDesigner 커널에 대한 몇 가지 개선
FuncDesigner의 ODE는 이제 3 인수 대신 4가 (이전 버전과의 호환성을!), 예를 {t : np.linspace (0,1,100)} 또는 단순한 np.linspace (0,1,100) 당신의 ODE 오른쪽이 시간 independend 인 경우
FuncDesigner의 확률 애드온 이제 그라데이션 기반 NLP / NSP 해법 몇 가지 문제를 처리 할 수​​ 있습니다
많은 사소한 개선 및 일부 버그 수정

버전 0.39의 새로운 기능 :

이 interalg : 범주 형 변수와 일반 논리 제약, 다른 많은 개선 사항을 추가
자동 차별화를위한 몇 가지 개선
DerApproximator 일부 OpenOpt / FuncDesigner 기능은 현재 PyPy와 함께 작동
고밀도 / 스파 스 LLSP의 새로운 해결사 lsmr
oovar 생성자는 이제 매개 변수 파운드와 UB, 예를 처리 할 수​​ 있습니다 = oovar ( '', 파운드 = -1, UB = [1,2,3]) 또는 X = oovars (이 oovar의 크기가 3이 있어야합니다) (10 파운드 = -1, UB = 1)
새로운 FuncDesigner 기능 hstack, numpy.hstack 유사한 구문, 예를 들어, hstack F = ((A, B, C, D))
일부 버그 수정

버전 0.36의 새로운 기능 :

이 간격 분석은 지금 최소, 최대 및 1-D 단조 스플라인을 포함 할 수있다 R -있다을; 1 차와 3 차의 R
일부 버그 수정 및 개선

버전 0.21의 새로운 기능 :

이 새로운 기능 : 통합, 번역기
기능 평가, 자동 차별화, 일부 고정 변수 최적화 문제에 대한 몇 가지 속도 향상
최적화 probs 및 자동 차별화를위한 새로운 매개 변수 useSparse는 (때로는 자동 선택이 조기에 작동)
자동 차별화를위한 새로운 매개 변수 exactShape은 (아첨하는 작업을 방지)
일부 버그 수정 (대부분 스파 스 매트릭스를 사용하여 WRT) 및 코드 정리

버전 0.18의 새로운 기능 :

이 추가 FuncDesigner 운영자 ifThenElse
FuncDesigner 제약에 대한 개인 공차
지금 정의 평등 제약은 당신이뿐만 아니라 허용 오차 가능성, == expression_2을 expression_1를 사용할 수 있습니다 (xpression_1 == expression_2) (TOL = 0.0001)
자동 차별화에 몇 가지 개선 (아직 몇 가지 더 수행 할 수 남아)
& quot; 음의 허용 오차 & quot; 제약 조건 (적절한 스케일링 엄격합니다). 그러나, 어쩌면 미래에 더 나은 이해를 위해 myConstr 같은 (엄격한 = 참)로 대체됩니다.
()라는 이름되지 않는 것으로 표시

이 요구 사항 :

이 파이썬
NumPy와