FuncDesigner

FuncDesigner是一个开源的CAS（计算机＆NBSP;代数系统）用Python编写的。下面是三个例子，这样你就可以了解该项目的工作。
例如：
从FuncDesigner进口*
A，B，C = oovars（'A'，'B'，'C'）
F1，F2 = SIN（A）+ COS（二） - LOG2（三）+ SQRT（b）中，和（C）+ C * COSH（B）/反正切（一）+ C [0] * C [1] + C [-1] /（A * c.size）
F3 = F1 * F2 + 2 * A + SIN（B）*（1 + 2 * c.size + 3 * f2.size）
F = 2 * A * B * C + F1 F2 * + F3 +点（A + C，B + C）
点= {A：1，B 2，C：[3，4，5]}＃不过，你最好使用numpy的阵列，而不是Python列表
打印（F（点））
打印（F.D（点））
打印（F.D（点A））
打印（F.D（点，[B]））
打印（F.D（点，fixedVars = [A，C]））
预期的输出：
[140.9337138 110.16255336 80.67870244]
{A：阵列（[69.75779959，88.89020412，109.93551537]），B：阵列（[ - 23.10565554，-39.41138045，-59.08378522]），
C：阵列（[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：阵列（[ - 23.10565554，-39.41138045，-59.08378522]）}
{B：阵列（[ - 23.10565554，-39.41138045，-59.08378522]）}
＆NBSP; *您可以使用“for”循环FuncDesigner代码
例如：
从FuncDesigner进口*
A，B，C = oovars（'A'，'B'，'C'）
F1，F2 = SIN（A）+ COS（二） - LOG2（三）+ SQRT（b）中，和（C）+ C * COSH（B）/反正切（一）+ C [0] * C [1] + C [-1] /（A * c.size）
F3 = F1 * F2 + 2 * A + SIN（B）*（1 + 2 * c.size + 3 * f2.size）
F = SIN（F2）* F3 + 1
M = 15
对于i在范围（M）：F = 0.5 * F + 0.4 * F3 * COS（F1 + 2 * f2）上
点= {A：1，B 2，C：[3，4，5]}＃不过，你最好使用numpy的阵列，而不是Python列表
打印（F（点））
打印（F.D（点））
打印（F.D（点A））
打印（F.D（点，[B]））
打印（F.D（点，fixedVars = [A，C]））
[4.63468686 0.30782902 1.21725266]
{A：阵列（[ - 436.83015952，204.25331181，186.38788436]），B：阵列（[562.63390316，-273.23484496，-256.32464645]），
C：阵列（[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：阵列（[562.63390316，-273.23484496，-256.32464645]）}
{B：阵列（[562.63390316，-273.23484496，-256.32464645]）}
例如：
从FuncDesigner进口*
从openopt进口NLP
A，B，C = oovars（'A'，'B'，'C'）
F =总和（A * [1,2]）** 2 + B ** 2 + C 2 **
的startPoint = {A：[100，12]，B：2，C：40}＃不过，你最好使用numpy的阵列，而不是Python列表
P = NLP（F，的startPoint）
p.constraints = [（2 * C + A-10）** 2 <1.5±0.1 * B中，（a-10）** 28.9，A + B> [7.97999836，7.8552538]
一<9，（C-2）** 2 <1，B <-1.02，C> 1.01，（（B + C * log10的（一）的.sum（） - 1）** 2）.EQ（0） ]
R = p.solve（'ralg“）
打印r.xf
预期的输出：
...
objFunValue：717.75631（可行的话，最大的约束= 7.44605e-07）
{A：阵列（[8.99999792，8.87525277]），B：阵列（[ - 1.01999971]），C：阵列（[1.0613562]）}

什么的，这是新的发布：

• 在Interalg现在可以更快（可能多维）集成问题（IP）和一些优化问题很多次（有时订单）
• 添加造型密集（MI）（QC）QP在FuncDesigner（阿尔法版本，渲染工作可以慢慢还）
• 修正了CPLEX包装
• 在一些改进FuncDesigner区间分析（因而interalg）
• 添加FuncDesigner区间分析棕褐色的范围（-pi / 2，π/ 2）
• 在其他一些错误修正和改进
• （专有）FuncDesigner随机插件现在可以作为独立的PYC文件，成为可供Python3以及

什么是在0.45版本新：

• 在为FuncDesigner区间分析基本改进（从而影响interalg）
• 在临时外观图释为FD自动分化内核一个严重的错误是由于某些版本的Python或NumPy的，一个错误可能会影响优化问题，包括（MI）LP（MI）NLP，TSP等
• 在其他一些小的错误修正和改进。

什么是在0.43版本新：

• 在interalg现在可以解决SNLE在第二个模式（参数dataHandling = ＆QUOT;原料＆QUOT;，前 - 只＆QUOT;整理和QUOT;）
• 在许多其他改进interalg
• 在一些改进FuncDesigner内核
• 在FuncDesigner ODE现在有3个参数，而不是4（向后不兼容！），如{T：np.linspace（0,1,100）}或仅仅np.linspace（0,1,100）如果你的ODE右边是时间无关！
• 在FuncDesigner随机插件现在可以处理一些问题，基于梯度的NLP / NSP求解
• 在许多小的改进和错误修正部分

什么是在0.39版本新：

• 在interalg：添加分类变量和一般的逻辑约束，许多其他改进
• 在一些改进的自动分化
• 在DerApproximator有的OpenOpt / FuncDesigner功能现在与PyPy
• 新解算lsmr稠密/稀疏LLSP
• 在oovar构造函数现在可以处理参数LB和UB，例如：一个= oovar（'一'，磅= -1，UB = [1,2,3]）（此oovar应具有尺寸3）或x = oovars（10，磅= -1，UB = 1）
• 在新FuncDesigner功能hstack，类似的语法来numpy.hstack，如F = hstack（（A，B，C，D））
• 在一些错误修正

什么是在0.36版本新：

• 在区间分析，现在可以包括最小值，最大值和1-D单调样条曲线R - 内＆GT; 1日R和三阶
• 在一些错误修正和改进

什么在0.21版本新：

• 在新功能：集成，翻译
• 在一些加速的功能评估，自动分化，优化问题一些固定变量
• 在新的参数useSparse优化probs和自动分化（有时自动选择提前工作）
• 在新的参数exactShape自动分化（防止谄媚操作）
• 在一些错误修正（多数WRT使用稀疏矩阵）和代码清理

什么是在0.18版本新：

• 在添加FuncDesigner操作ifThenElse
• 在个人公差FuncDesigner限制
• 现在，来定义平等的约束，你可以使用expression_1 == expression_2，可能与宽容，以及：（xpression_1 == expression_2）（TOL = 0.0001）
• 在自动分化有所改善（但一些尚待完成）
• ＆QUOT;负公差与QUOT;为约束（要严​​格要求适当的缩放）。然而，也许在将来会被替换的东西像myConstr（严= TRUE）为更好地了解。
• 在一个名为（）标记为过时

要求：

• 在Python中
• 在NumPy的