矢量化 SciPy ode 求解器

我的问题是关于当前的 scipy ode 求解器。来自scipy 文档页面 http://docs.scipy.org/doc/scipy/reference/generated/scipy.integrate.ode.html#scipy.integrate.ode，它们的用法是：

# A problem to integrate and the corresponding jacobian:

from scipy.integrate import ode
y0, t0 = [1.0j, 2.0], 0
def f(t, y, arg1):
    return [1j*arg1*y[0] + y[1], -arg1*y[1]**2]
def jac(t, y, arg1):
    return [[1j*arg1, 1], [0, -arg1*2*y[1]]]

# The integration:
r = ode(f, jac).set_integrator('zvode', method='bdf', with_jacobian=True)
r.set_initial_value(y0, t0).set_f_params(2.0).set_jac_params(2.0)
t1 = 10
dt = 1
while r.successful() and r.t < t1:
    r.integrate(r.t+dt)
    print("%g %g" % (r.t, r.y))

我的问题是：它使用了大量的 python 循环（while 循环），这本质上减慢了程序的速度。我可以尝试编写 C 代码并使用 ctypes 来使其更快，但我将无法访问 scipy 中像 dopri5 这样的好算法（除非我自己实现）。

是否有任何矢量化编码方式可以使其更快？

谢谢你！

“矢量化”意味着同时并行地进行大量计算。是的，具体的实现会涉及到迭代，但它是在C并且顺序对你来说并不重要，Python程序员。

但像这样的颂解本质上是串行操作。你必须及时解决问题t在你及时解决之前t+dt。您无法随时间矢量化解决方案。你能做的最好的事情就是选择一个ode为时间步做出智能选择的求解器（dt），尽可能采取大步骤，在需要捕获快速变化时采取小步骤。

良好的颂歌求解器可让您对空间维度进行矢量化 - 即并行求解 10 个颂歌。您也许还可以向量化计算雅可比行列式，返回两者y+dy and y-dy立刻。基本上你想要计算f and jac尽可能快。