两个 ODE 求解器之间的差异
Differences between two ODE solvers
我想知道，ODEINT和solve_ivp在解微分方程时有什么区别。它们之间有什么优缺点？
f1 = solve_ivp(f, [0,1], y0) #y0 is the initial point
f2 = odeint(f, y0, [0, 1], args=(a, b)) # a and b are arguments of function f
谢谢
主要区别如下：
odeint 先来，它使用 FORTRAN 包 odepack 中的 lsoda 求解 ODE。solve_ivp 是一个更通用的解决方案，让用户决定使用哪个积分器来求解 ODE。如果您将 method 参数定义为 method='LSODA'，那么这将使用与 odeint 相同的积分器。此外，您还可以选择其他方法，例如 BDF 和 RK25。
关于性能，有一张票表明 solve_ivp 较慢。这可能是因为它是用 Python 写的。
在 scipy:
中查看他们两个的文档
https://docs.scipy.org/doc/scipy-1.2.1/reference/generated/scipy.integrate.odeint.html
https://docs.scipy.org/doc/scipy-1.2.1/reference/generated/scipy.integrate.solve_ivp.html
我想知道，ODEINT和solve_ivp在解微分方程时有什么区别。它们之间有什么优缺点？
f1 = solve_ivp(f, [0,1], y0) #y0 is the initial point
f2 = odeint(f, y0, [0, 1], args=(a, b)) # a and b are arguments of function f
谢谢
主要区别如下：
odeint先来，它使用 FORTRAN 包 odepack 中的 lsoda 求解 ODE。solve_ivp是一个更通用的解决方案，让用户决定使用哪个积分器来求解 ODE。如果您将method参数定义为method='LSODA'，那么这将使用与odeint相同的积分器。此外，您还可以选择其他方法，例如 BDF 和 RK25。
关于性能，有一张票表明 solve_ivp 较慢。这可能是因为它是用 Python 写的。
在 scipy:
中查看他们两个的文档https://docs.scipy.org/doc/scipy-1.2.1/reference/generated/scipy.integrate.odeint.html https://docs.scipy.org/doc/scipy-1.2.1/reference/generated/scipy.integrate.solve_ivp.html