时间戳

首页 > 解决方案 > Julia积分微分方程：MethodError：没有方法匹配

julia - Julia积分微分方程：MethodError：没有方法匹配

问题描述

我正在尝试在 Julia 中向量化微分方程。但我遇到以下错误警告：

MethodError: no method matching hDerivative(::Array{Float64,1}, ::Nothing, >::Float64) 最接近的候选是：hDerivative(::Any, ::Any) at In[8]:3 hDerivative(::任何）在 In[13]:3

我基本上不确定函数“hDerivative”的语法。我尝试返回微分，但也尝试将“timederiv”作为函数 hDerivative 的参数，类似于我在 Julia 中关于微分方程的教程中看到的，尽管这看起来有点奇怪（我习惯了 python） .

这是我使用的代码示例：

using DifferentialEquations

N=10
J=randn(Float64,N,N)
g=1

function hDerivative(h,timederiv)
    timederiv=zeros(Float64,N)
    for i=1:length(h)
        for j=1:length(h)
            timederiv[i]=timederiv[i]+J[i,j]*tanh(h[j])            
        end
    end  
end

hinit=zeros(Float64,N)
tspan=(0.0,1.0)
prob = ODEProblem(hDerivative,hinit,tspan)
solve(prob)

谁能帮我吗？

标签： juliadifferential-equations

解决方案

@LutzL 的评论是完全正确的，该代码的问题在于它没有定义文档中提到的导数函数。相反，使用该(du,u,p,t)表单的以下代码有效：

using DifferentialEquations

N=10
J=randn(Float64,N,N)
g=1

function hDerivative(timederiv,h,p,t)
    for i=1:length(h)
        timederiv[i] = 0
        for j=1:length(h)
            timederiv[i]=timederiv[i]+J[i,j]*tanh(h[j])            
        end
    end  
end

hinit=zeros(Float64,N)
tspan=(0.0,1.0)
prob = ODEProblem(hDerivative,hinit,tspan)
solve(prob)

推荐阅读