FuncDesigner

FuncDesigner是一個開源的CAS（計算機＆NBSP;代數系統）用Python編寫的。下面是三個例子，這樣你就可以了解該項目的工作。
例如：
從FuncDesigner進口*
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 +點（A + C，B + C）
點= {A：1，B 2，C：[3，4，5]}＃不過，你最好使用numpy的陣列，而不是Python列表
打印（F（點））
打印（F.D（點））
打印（F.D（點A））
打印（F.D（點，[B]））
打印（F.D（點，fixedVars = [A，C]））
預期的輸出：
[140.9337138 110.16255336 80.67870244]
{A：陣列（[69.75779959，88.89020412，109.93551537]），B：陣列（[ - 23.10565554，-39.41138045，-59.08378522]），
C：陣列（[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：陣列（[ - 23.10565554，-39.41138045，-59.08378522]）}
{B：陣列（[ - 23.10565554，-39.41138045，-59.08378522]）}
＆NBSP; *您可以使用“for”循環FuncDesigner代碼
例如：
從FuncDesigner進口*
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
對於i在範圍（M）：F = 0.5 * F + 0.4 * F3 * COS（F1 + 2 * f2）上
點= {A：1，B 2，C：[3，4，5]}＃不過，你最好使用numpy的陣列，而不是Python列表
打印（F（點））
打印（F.D（點））
打印（F.D（點A））
打印（F.D（點，[B]））
打印（F.D（點，fixedVars = [A，C]））
[4.63468686 0.30782902 1.21725266]
{A：陣列（[ - 436.83015952，204.25331181，186.38788436]），B：陣列（[562.63390316，-273.23484496，-256.32464645]），
C：陣列（[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：陣列（[562.63390316，-273.23484496，-256.32464645]）}
{B：陣列（[562.63390316，-273.23484496，-256.32464645]）}
例如：
從FuncDesigner進口*
從openopt進口NLP
A，B，C = oovars（'A'，'B'，'C'）
F =總和（A * [1,2]）** 2 + B ** 2 + C 2 **
的startPoint = {A：[100，12]，B：2，C：40}＃不過，你最好使用numpy的陣列，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
預期的輸出：
...
objFunValue：717.75631（可行的話，最大的約束= 7.44605e-07）
{A：陣列（[8.99999792，8.87525277]），B：陣列（[ - 1.01999971]），C：陣列（[1.0613562]）}

什麼的，這是新的發布：

• 在Interalg現在可以更快（可能多維）集成問題（IP）和一些優化問題很多次（有時訂單）
• 添加造型密集（MI）（QC）QP在FuncDesigner（阿爾法版本，渲染工作可以慢慢還）
• 修正了CPLEX包裝
• 在一些改進FuncDesigner區間分析（因而interalg）
• 添加FuncDesigner區間分析棕褐色的範圍（-pi / 2，π/ 2）
• 在其他一些錯誤修正和改進
• （專有）FuncDesigner隨機插件現在可以作為獨立的PYC文件，成為可供Python3以及

什麼是在0.45版本新：

• 在為FuncDesigner區間分析基本改進（從而影響interalg）
• 在臨時外觀圖釋為FD自動分化內核一個嚴重的錯誤是由於某些版本的Python或NumPy的，一個錯誤可能會影響優化問題，包括（MI）LP（MI）NLP，TSP等
• 在其他一些小的錯誤修正和改進。

什麼是在0.43版本新：

• 在interalg現在可以解決SNLE在第二個模式（參數dataHandling = ＆QUOT;原料＆QUOT;，前 - 只＆QUOT;整理和QUOT;）
• 在許多其他改進interalg
• 在一些改進FuncDesigner內核
• 在FuncDesigner ODE現在有3個參數，而不是4（向後不兼容！），如{T：np.linspace（0,1,100）}或僅僅np.linspace（0,1,100）如果你的ODE右邊是時間無關！
• 在FuncDesigner隨機插件現在可以處理一些問題，基於梯度的NLP / NSP求解
• 在許多小的改進和錯誤修正部分

什麼是在0.39版本新：

• 在interalg：添加分類變量和一般的邏輯約束，許多其他改進
• 在一些改進的自動分化
• 在DerApproximator有的OpenOpt / FuncDesigner功能現在與PyPy
• 新解算lsmr稠密/稀疏LLSP
• 在oovar構造函數現在可以處理參數LB和UB，例如：一個= oovar（'一'，磅= -1，UB = [1,2,3]）（此oovar應具有尺寸3）或x = oovars（10，磅= -1，UB = 1）
• 在新FuncDesigner功能hstack，類似的語法來numpy.hstack，如F = hstack（（A，B，C，D））
• 在一些錯誤修正

什麼是在0.36版本新：

• 在區間分析，現在可以包括最小值，最大值和1-D單調樣條曲線R - 內＆GT; 1日R和三階
• 在一些錯誤修正和改進

什麼在0.21版本新：

• 在新功能：集成，翻譯
• 在一些加速的功能評估，自動分化，優化問題一些固定變量
• 在新的參數useSparse優化probs和自動分化（有時自動選擇提前工作）
• 在新的參數exactShape自動分化（防止諂媚操作）
• 在一些錯誤修正（多數WRT使用稀疏矩陣）和代碼清理

什麼是在0.18版本新：

• 在添加FuncDesigner操作ifThenElse
• 在個人公差FuncDesigner限制
• 現在，來定義平等的約束，你可以使用expression_1 == expression_2，可能與寬容，以及：（xpression_1 == expression_2）（TOL = 0.0001）
• 在自動分化有所改善（但一些尚待完成）
• ＆QUOT;負公差與QUOT;為約束（要嚴格要求適當的縮放）。然而，也許在將來會被替換的東西像myConstr（嚴= TRUE）為更好地了解。
• 在一個名為（）標記為過時

要求：

• 在Python中
• 在NumPy的