ODE 求解方法

最新推荐文章于 2026-02-27 00:38:46 发布
原创 最新推荐文章于 2026-02-27 00:38:46 发布 · 7.9k 阅读 · 11
这篇博客探讨了常微分方程(ODE)的数值求解方法，主要聚焦于Euler方法和Runge-Kutta方法。Euler方法包括前向Euler法，是一种显式方法，而向后Euler法则是一种隐式方法，可能需要更多计算时间但对刚性方程更稳定。Runge-Kutta方法涵盖二阶和四阶方法，常用于提高精度。

本篇博客将对ODE求解方法的一些基本概念，方法做一个学习，总结

we want to solve the differential equations 

                                                               M(t)y'=f(t,y),y(t_0) =y_0

Numerical methods for solving first-order IVPs often fall into one of two large categories: linear multistep methods, or Runge-Kutta methods. A further division can be realized by dividing methods into those that are explicit and those that are implicit. 

将上式进行泰勒展开，

                             

只保留其中一次项，是下面各种积分方法的基础，省去的高次项是积分误差的来源。

 

基础知识比较好的参考书为：《数值分析》 Timothy Sauer (作者) 吴兆金 , 王国英 , 范红军 (译者)

序号 方法 简介
1
最低0.47元/天 解锁文章
常微分方程（ODE）求解方法总结
luolei188的博客
06-03 3万+
常微分方程，数值求解方法
常微分方程 (ODE) 和 随机微分方程 (SDE)
weixin_39699362的博客
06-06 4332
常微分方程（Ordinary Differential Equations, ODE）和随机微分方程（Stochastic Differential Equations, SDE）是数学中描述系统动态行为的重要工具。它们有一些相似之处，但在处理随机性方面存在显著差异。
解码ODE：Maple中的数值求解与Midpoint方法
m0_74337424的博客
12-09 88
摘要：本文探讨了在Maple中使用数值方法求解含奇异点的ODE问题。针对方程x|ln(x)|y''-2y'=0，解析解为y(x)=(-x/ln(x)-Ei(1,-ln(x)))ln²2。数值求解时遇到x=0处的奇异点问题，通过采用Midpoint方法成功解决，并绘制了数值解与解析解的对比图。研究表明，选择合适的数值方法能有效处理奇异点问题，为复杂ODE求解提供了实用方案。文章还总结了分析问题、选择方法和验证结果的三步实践策略。
深入解析torchdiffeq：从ODE求解到伴随方法实战【进阶篇】
最新发布
weixin_29054195的博客
02-27 431
本文深入解析了PyTorch微分方程求解库torchdiffeq的进阶应用，重点探讨了伴随方法（Adjoint Method）如何将ODE求解的内存复杂度从O(T)降至O(1)，有效解决长序列建模中的显存瓶颈。通过实战代码对比了直接模式与伴随模式的内存占用，并详细阐述了其数学原理、实现细节（如检查点策略）以及如何结合事件终止、混合精度训练等高级特性，为高效训练基于神经ODE的模型提供了最佳实践指南。
常微分方程(Ordinary Differential Equation I)
热门推荐
WilenWu
05-02 4万+
高等数学，微分方程，常微分方程，偏微分方程
01常微分方程（ODE）求解方法小结
主动降噪、故障检测方向
02-11 4758
微分方程，是指含有未知函数及其导数的关系式。解微分方程就是找出未知函数。
常微分方程编程基础(ODE)
seventonight的博客
05-20 4572
第四十五篇 常微分方程编程基础 在工程分析的许多问题中，物理定律是用变量的导数表达的而不是变量本身来表示的，因此需要解决微分方程。 微分方程的解本质上涉及积分，有时可以用解析法得到。例如，最简单的微分方程是这种形式的 其中f(x)是x的函数，y(x)是必需解。假设f(x)可以积分，上式可以写成 其中C是任意常数。为了找到C的值，需要一些额外的信息，例如对应于特定的x值的y的初始值。 微分方程可以有许多不同的形式，在方程的右边经常涉及x和y的函数。因此，在描述不同的求解技巧之前，我们需要定义一些重要的微分
如何高效使用torchdiffeq中的自适应Heun方法进行ODE求解
gitblog_00058的博客
11-13 1033
torchdiffeq是一个基于PyTorch的微分方程求解库，提供了多种常微分方程(ODE)求解器的实现。其中自适应Heun方法(adaptive_heun)作为二阶自适应步长Runge-Kutta方法，在精度和效率之间提供了优秀的平衡。本文将通过详细解析和实践指南，帮助开发者充分利用这一强大的ODE求解工具。 ## 🔍 自适应Heun方法的核心优势 自适应Heun方法是torchdiff
【火箭】基于MATLAB ODE45求解器的粒子群方法的火箭轨迹优化
Matlab_dashi的博客
09-15 788
火箭轨迹优化是航天任务设计的核心环节，需在满足推进系统性能、气动约束、终端状态（如入轨高度、速度）等条件下，实现燃料消耗最小化、飞行时间最短化等目标。传统解析方法难以应对火箭非线性动力学模型的复杂约束，而 “数值求解器 + 智能优化算法” 的组合方案成为主流 —— 其中，MATLAB 的 ODE45 求解器可高效计算火箭动力学方程的数值解，粒子群优化（PSO）算法能在多维解空间中快速搜索最优控制参数。
常微分方程与偏微分方程相关教学内容
Major_S的博客
01-18 5656
常微分方程是含有一个或多个未知函数及其导数的方程。通常，这些方程描述了一个变量（如时间）随另一个变量（如位置）的变化关系。偏微分方程是含有多个自变量的函数及其偏导数的方程。通常，这些方程用来描述在多个维度（如空间和时间）上变化的过程。它们比常微分方程更复杂，因为它们涉及到多个变量。常微分方程和偏微分方程是描述动态系统的重要数学工具。常微分方程用于描述一个变量随另一个变量变化的关系，偏微分方程则用于描述多个变量间的关系。
欧拉法（Euler‘s method）求常微分方程(ODE)近似解
weixin_60737527的博客
05-28 1万+
求微分方程的近似解在实际问题的解决中具有极其重要的作用，因为在大多情况下我们很难求出微分方程的函数表达式，或是表达式过于复杂，此时便可以用数值计算的方法求该微分方程的近似解。欧拉法便是其中一种最为简单的求常微分方程近似解的方法，该方法较为简单，同时也有比较明显的缺陷，但也是其它的求解微分方程近似解方法的基础。 算法原理 欧拉法求解过程是一个递归的过程，这个思想和牛顿法、梯度下降法是相似的。并且它将函数离散化，分割成一个个小段来求解。欧拉法求解的常微分方程的形式通常为： 右边是关于x,y的任意函数，
matlab使用教程(24)—常微分方程(ODE)求解器
配电网和matlab的博客
08-25 8593
′ 的某些分量缺失，则这些方程称为微分代数方程或 DAE，并且 DAE 方程组会包含一些代数变量。术语“刚度”无法精确定义，但一般而言，当问题的某个位置存在标度差异时，就会出现刚度。例如，如果 ODE 包含的两个解分量在时间标度上差异极大，则该方程可能是刚性方程。此表包含可用的 ODE 和 DAE 示例文件及其使用的求解器和选项的列表。您可以指定需要解算的任意数量的 ODE 耦合方程，原则上，方程的数量仅受计算机可用内存的限制。为解算该方程，需要将实部和虚部分解为不同的解分量，最后重新组合相应的结果。
常微分方程ODE和Neural Ordinary Differential Equations
子燕若水的博客
05-29 2761
用一个函数f表示。这个函数f的参数是θ t ，它可以是一个神经网络。这个公式可以看作是残差网络（ResNet）的连续化，因为残差网络的每一层都可以写成h t+1 = h t + f(h t , θ t )，如果把层数看作是时间，那么就可以用欧拉法近似求解这个ODE。这样就得到了一种新的深度神经网络模型，叫做神经微分方程（Neural ODE）¹²³。这个数学公式是一个常微分方程（ODE），它描述了一个。而在初等数学的代数方程裡，其解是常数值。微分方程的解是一個符合方程的。
常微分方程数值解笔记-1
m0_72708335的博客
01-11 1336
欧拉法、梯形公式法等
常微分方程（ODE）的数值计算方法
强劲九
05-27 6486
目录1/ 欧拉法（Euler Method）[^2]2/ 龙格-库塔法（Runge-Kutta Method）2.1/ 四阶 Runge-Kutta 方法2.2/ Runge-Kutta 的一般形式参考 常微分方程组的求解比较麻烦，通常在计算机上使用数值计算的方式去进行。 假设一阶常微分方程组（ODEs）由下式给出 dxdt=fi(x), i=1,2,…,n \frac{dx}{dt}=f_i(x),~i=1,2,\dots,n dtdx​=fi​(x), i=1,2,…,n 其中 xx
微分方程家族：常微分方程（ODE）、偏微分方程（PDE）和随机微分方程（SDE）
阿正的梦工坊
03-08 7930
本篇博客将以直观的语言，面向具有一定数学基础的读者，介绍常微分方程（ODE）、偏微分方程（PDE）和随机微分方程（SDE）的基本概念，并简述数学系研究微分方程的主要方向。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值