Оптимизирующая система нелинейных уравнений - обработка комплексных чисел

Question

Оптимизирующая система нелинейных уравнений - обработка комплексных чисел

Вам нужно ввести код трубы, если __name__ == '__main__' part. ( Почему? ) И измените p2.recv на p1.recv

import multiprocessing
def ProcessCreator(pipe):
    pipe.send("hello from other process")

if __name__ == "__main__":
    multiprocessing.freeze_support()
    p1, p2 = multiprocessing.Pipe()
    proc = multiprocessing.Process(target = ProcessCreator, args = (p2,))
    proc.start()
    print p1.recv()

2

python numpy complex-numbers

задан Hariharan 17 January 2019 в 07:18

1 ответ

Другие вопросы по тегам:

python numpy complex-numbers

Похожие вопросы:

score 0 · Answer 1

Действительно, Сципи борется с комплексными числами. Тем не менее, проект под названием mpmath может решить вашу проблему. Здесь: http://mpmath.org/ . Раньше шел с sympy (sympy.org). Вы можете найти документацию здесь : Это решение работает для меня:

from mpmath import findroot
import numpy as np
import scipy.io as spio

params = dict()
params['cbeta'] = 0.96
params['cdelta'] = 0.1
params['calpha'] = 0.33
params['cgamma'] = 1.2
params['clambda']= 1.0
params['csigma'] = 0.8
params['etau'] = 0.0

def steady_s(c,y,k,g,r):
    # unpacking paramters
    cbeta = params['cbeta']
    cdelta = params['cdelta']
    calpha = params['calpha']
    cgamma = params['cgamma']
    clambda= params['clambda']
    csigma = params['csigma']

    # guesses for initial values
    #c = vars0[0]
    #y = vars0[1]
    #k = vars0[2]
    #g = vars0[3]
    #r = vars0[4]

    # == functions to minimize to find steady states == #
    f = [0,0,0,0,0]

    # HH Euler
    f[0] = (1.0/c)*cbeta*(r + 1.0 - cdelta) - (1.0+g)/c

    # Goods market clearing
    f[1] = y - c - k*(1.0 + g) + k*(1.0-cdelta)

    # Capital Market clearing
    f[2] = r - (k)**(calpha-1.0)*calpha**2.0

    # production function for final good
    f[3] = y - k**calpha

    # growth rate
    pi = (calpha - 1.0) * k**calpha #small pi, this isnt actual profits
    f[4] = g - (cgamma - 1.0) * clambda * (csigma*clambda*pi)**(csigma/(1.0-csigma))

    return f

# == Initial Guesses == #
vars0 = list(np.ones((5,)))

# == Solving for Steady State == #
xss = findroot(steady_s, vars0)