当前位置:

首页 > 编程开发 > 每隔 N 步保存数组状态的方法取决于你使用的编程语言和环境。以下是一些常见语言的实现思路:Python 示例import numpy as np # 假设你有

每隔 N 步保存数组状态的方法取决于你使用的编程语言和环境。以下是一些常见语言的实现思路:Python 示例import numpy as np # 假设你有

本文针对粒子模拟中节省内存空间的需求,提供了一种每隔N个时间步保存数组状态的有效方法。通过修改保存数据的时间点,或者调整判断条件,可以避免保存未更新的数据,从而显著降低内存占用,提高模拟效率。本文将详细讲解问题原因,并提供修改后的代码示例,帮助读者理解和应用该方法。

本文目录

    如何每隔 N 个时间步保存数组的状态?

    第一段引用上面的摘要

    在进行大规模粒子模拟时,例如模拟行星轨道,存储所有时间步的位置和速度数据会消耗大量的内存。为了解决这个问题,我们需要找到一种方法,只保存每隔 N 个时间步的数据,从而在保证一定精度的前提下,显著降低内存占用。

    原代码存在的问题在于,保存数据的时间点与数据更新的时间点不一致,导致保存的是未更新的数据。具体来说,在 counter % intervals == 0 条件成立时,t 的值已经比 counter 大 1,而 pos[:, t] 还没有被更新,因此保存的是零值。

    以下是几种修改方案,可以解决这个问题:

    方案一:保存 pos[:, counter]

    最直接的解决方法是将 saved_pos.append(pos[:,t].copy()) 修改为 saved_pos.append(pos[:, counter].copy())。因为 counter 记录的是已经完成计算的时间步,所以 pos[:, counter] 包含的是正确的数据。

    # Save the pos and vel here
    if counter % intervals == 0:
        saved_pos.append(pos[:, counter].copy())
        saved_vel.append(vel[:, counter].copy())

    方案二:调整判断条件

    另一种方法是调整判断条件,使得在 t 的值为 intervals 的整数倍时保存数据。由于 t 从 1 开始,因此判断条件应该改为 if t % intervals == 1:。

    # Save the pos and vel here
    if t % intervals == 1:
        saved_pos.append(pos[:, t-1].copy())
        saved_vel.append(vel[:, t-1].copy())

    需要注意的是,由于t是从1开始,所以这里保存的是pos[:, t-1]。

    方案三:调整 t 的递增位置

    还可以将 t += 1 移动到保存数据之后,这样可以保证在保存数据时,pos[:, t] 包含的是正确的数据。

        # Save the pos and vel here
        if counter % intervals == 0:
            saved_pos.append(pos[:,t].copy())
            saved_vel.append(vel[:,t].copy())
    
        t += 1

    完整代码示例(基于方案一)

    以下是修改后的完整代码示例,基于方案一:

    import numpy as np
    import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    
    # Constants
    M_Sun = 1.989e30 #Solar Mass
    G = 6.67430e-11  # m^3 kg^(-1) s^(-2)
    yr = 365 * 24 * 60 * 60 #1 year in seconds
    
    # Number of particles
    num_particles = 8
    
    # Initial conditions for the particles (m and m/s)
    initial_pos = np.array([
        [57.9e9, 0, 0], #Mercury
        [108.2e9, 0, 0], #Venus
        [149.6e9, 0, 0], #Earth
        [228e9, 0, 0], #Mars
        [778.5e9, 0, 0], #Jupiter
        [1432e9, 0, 0], #Saturn
        [2867e9, 0, 0], #Uranus
        [4515e9, 0, 0] #Neptune
    ])
    
    initial_vel = np.array([
        [0, 47400, 0],
        [0, 35000, 0],
        [0, 29800, 0],
        [0, 24100, 0],
        [0, 13100, 0],
        [0, 9700, 0],
        [0, 6800, 0],
        [0, 5400, 0]
    ])
    
    # Steps
    t_end = 0.004 * yr #Total time of integration
    dt_constant = 0.1
    intervals = 10000 #Number of outputs of pos and vel to be saved
    
    
    # Arrays to store pos and vel
    pos = np.zeros((num_particles, int(t_end), 3))
    vel = np.zeros((num_particles, int(t_end), 3))
    
    # Leapfrog Integration (2nd Order)
    pos[:, 0] = initial_pos
    vel[:, 0] = initial_vel
    saved_pos = []
    saved_vel = []
    
    
    t = 1
    counter = 0
    
    while t < int(t_end):
        r = np.linalg.norm(pos[:, t - 1], axis=1)
        acc = -G * M_Sun / r[:, np.newaxis]**3 * pos[:, t - 1] #np.newaxis for broadcasting with pos[:, i-1]
    
        # Calculate the time step for the current particle
        current_dt = dt_constant * np.sqrt(np.linalg.norm(pos[:, t - 1], axis=1)**3 / (G * M_Sun))
        min_dt = np.min(current_dt)  # Use the minimum time step for all particles
    
        half_vel = vel[:, t - 1] + 0.5 * acc * min_dt
        pos[:, t] = pos[:, t - 1] + half_vel * min_dt
    
        # Recalculate acceleration with the new position
        r = np.linalg.norm(pos[:, t], axis=1)
        acc = -G * M_Sun / r[:, np.newaxis]**3 * pos[:, t] #np.newaxis for broadcasting with pos[:, i-1]
        vel[:, t] = half_vel + 0.5 * acc * min_dt
    
        t += 1
        counter += 1
    
        # Save the pos and vel here
        if counter % intervals == 0:
            saved_pos.append(pos[:,counter].copy())
            saved_vel.append(vel[:,counter].copy())
    
    saved_pos = np.array(saved_pos)
    saved_vel = np.array(saved_vel)
    
    # Orbit Plot
    fig = plt.figure(figsize=(8, 8))
    ax = fig.add_subplot(111, projection='3d')
    
    ax.scatter(0, 0, 0, color='yellow', marker='o', s=50, label='Sun')
    
    for particle in range(num_particles):
        x_particle = pos[particle, :, 0]
        y_particle = pos[particle, :, 1]
        z_particle = pos[particle, :, 2]
        ax.plot(x_particle, y_particle, z_particle, label=f'Particle {particle + 1} Orbit (km)')
    
    ax.set_xlabel('X (km)')
    ax.set_ylabel('Y (km)')
    ax.set_zlabel('Z (km)')
    ax.legend(loc='upper right', bbox_to_anchor=(1.1, 1.1))
    ax.set_title('Orbits of Planets around Sun (km)')
    plt.show()

    注意事项

    • 时间步长选择: 时间步长 dt_constant 的选择会影响模拟的精度和稳定性。需要根据具体问题进行调整。
    • 数据保存频率: intervals 的值越大,保存的数据越少,内存占用越低,但可能会损失部分精度。需要在内存占用和精度之间进行权衡。
    • 内存管理: 即使只保存部分时间步的数据,大规模模拟仍然可能占用大量内存。可以考虑使用更高效的数据结构或算法,例如使用稀疏矩阵存储数据,或者使用流式计算,将数据写入文件而不是全部加载到内存中。

    总结

    通过修改保存数据的时间点或调整判断条件,可以有效地解决粒子模拟中内存占用过大的问题。选择合适的方案,并根据具体问题进行调整,可以提高模拟效率,并获得更准确的结果。同时,需要注意时间步长选择和数据保存频率,以在精度和内存占用之间取得平衡。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    QQ影音怎么加速播放视频课程
    QQ影音怎么加速播放视频课程

    播放时右键选播放速度,或点控制条倍速,1.25 到 1.5 倍看课最舒服;公式代码类内容别超过 1.25 倍。

    企业微信创建企业提示失败怎么办 实名与填写检查
    企业微信创建企业提示失败怎么办 实名与填写检查

    先看提示属于哪类:名称占用就加后缀,实名不一致就重填本人信息,证件不清晰就重拍。统一社会信用代码逐位核对,连续三次失败别改材料重投,直接联系客服人工核。

    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?
    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?

    说明源码提交对字符串、生成器和数组的识别边界,以及扫描命令与发行包核验限制。

    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?
    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?

    0.170.0 的语音更新限于终端通话协商能力的明确新增,同名工具服务器跨环境支持仍标注实验性质;连接部分则修复大请求回退、认证竞态和云端重连等具体问题。这份正式版公告不足以证明所有账户、所有客户端都已具备完整语音功能。

    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?
    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?

    了解Hy4 flash、FP8与base的适用任务,阅读官方安装及图文代码,并核对资源和MaaS许可条件。

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化
    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化。说明已核实的更新范围、类型兼容性和本地版本确认方法。

    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?
    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?

    OpenAI Java SDK 4.108.0 面向 Live MCP 工具接入与 Managed Agents 预算状态处理,说明新增模型、事件含义、正式发布范围和适用限制。

    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?
    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?

    Free Claude Code 6.19.37 在自动搜索时保留客户端工具及选择条件,代理执行搜索后仍返回普通调用。说明适用场景、历史信息保留、请求约束与第三方项目的版本边界。

    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?
    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?

    Google GenAI Go SDK 1.78.0 将 Gemini Developer API 默认改为 v1,可用 HTTPOptions.APIVersion 或环境变量保留 v1beta,Vertex AI 默认值不变。

    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?
    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?

    解释实验性实时支持、环境检查与生产评估中需要验证的条件。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。