在求解 ODE 系统时对 scipy.integrate.ode 使用自适应时间步长

Question

我必须阅读Using adaptive step sizes with scipy.integrate.ode 和该问题的公认解决方案，甚至在我的 Python 解释器中通过复制和粘贴复制结果。

我的问题是，当我尝试将解决方案代码调整为我自己的代码时，我只能得到平线。

我的代码如下：

from scipy.integrate import ode
from matplotlib.pyplot import plot, show

initials = [1,1,1,1,1]
integration_range = (0, 100)

f = lambda t,y: [1.0*y[0]*y[1], -1.0*y[0]*y[1], 1.0*y[2]*y[3] - 1.0*y[2], -1.0*y[2]*y[3], 1.0*y[2], ]

y_solutions = []
t_solutions = []
def solution_getter(t,y): 
   t_solutions.append(t)
   y_solutions.append(y) 


backend = "dopri5"
ode_solver = ode(f).set_integrator(backend)
ode_solver.set_solout(solution_getter)
ode_solver.set_initial_value(y=initials, t=0)

ode_solver.integrate(integration_range[1])

plot(t_solutions,y_solutions)
show()

它产生的情节：

Answer 1

在一行

   y_solutions.append(y) 

你认为你是附加电流矢量。什么actally情况是，要附加的对象引用y。因为显然积分积分环路中重复使用矢量y，你总是追加相同的对象引用。因此，在结束时，将列表中的每个位置由相同的参考指向y的最后状态的向量填充。 P>

长话短说：与替换 P>

    y_solutions.append(y.copy()) 

和一切都很好。 P>