Я хотел бы выполнить численное интегрирование в одномерном , где подынтегральное выражение является векторным . Integrate ()
допускает только скалярные подынтегральные выражения, поэтому мне пришлось бы вызывать его несколько раз. Пакет кубатур
кажется хорошо подходящим, но, похоже, он плохо работает с одномерными интегралами. Рассмотрим следующий пример (скалярное подынтегральное выражение и одномерное интегрирование)
library(cubature)
integrand <- function(x, a=0.01) exp(-x^2/a^2)*cos(x)
Nmax <- 1e3
tolerance <- 1e-4
# using cubature's adaptIntegrate
time1 <- system.time(replicate(1e3, {
a <<- adaptIntegrate(integrand, -1, 1, tol=tolerance, fDim=1, maxEval=Nmax)
}) )
# using integrate
time2 <- system.time(replicate(1e3, {
b <<- integrate(integrand, -1, 1, rel.tol=tolerance, subdivisions=Nmax)
}) )
time1
user system elapsed
2.398 0.004 2.403
time2
user system elapsed
0.204 0.004 0.208
a$integral
> [1] 0.0177241
b$value
> [1] 0.0177241
a$functionEvaluations
> [1] 345
b$subdivisions
> [1] 10
Каким-то образом, adapIntegrate
, похоже, использует гораздо больше вычислений функций для аналогичной точности. В обоих методах явно используется квадратура Гаусса-Кронрода (одномерный случай: 15-точечное квадратурное правило Гаусса), хотя ? Интегрировать
добавляет «алгоритм Эпсилона Винна». Объясняет ли это большую разницу во времени?
Я открыт для предложений об альтернативных способах работы с векторными подынтегральными выражениями, например
integrand <- function(x, a = 0.01) c(exp(-x^2/a^2), cos(x))
adaptIntegrate(integrand, -1, 1, tol=tolerance, fDim=2, maxEval=Nmax)
$integral
[1] 0.01772454 1.68294197
$error
[1] 2.034608e-08 1.868441e-14
$functionEvaluations
[1] 345
Спасибо.