Подтвердить что ты не робот

Детерминированный python script ведет себя недетерминированным способом

У меня есть script, который не использует рандомизацию, которая дает мне разные ответы при запуске. Я ожидаю, что ответ будет таким же, каждый раз, когда я запускаю script. Проблема, по-видимому, возникает только для определенных (плохо обусловленных) входных данных.

Отрывок из алгоритма используется для вычисления определенного типа контроллера для линейной системы и в основном состоит из выполнения линейной алгебры (матричные инверсии, уравнение Риккати, собственные значения).

Очевидно, это серьезное беспокойство для меня, так как теперь я не могу доверять своему коду, чтобы дать мне правильные результаты. Я знаю, что результат может быть неправильным для плохо подготовленных данных, но я ожидаю, что это будет неправильно. Почему ответ на моей машине Windows не всегда одинаковый? Почему машины Linux и Windows не дают одинаковых результатов?

Я использую Python 2.7.9 (default, Dec 10 2014, 12:24:55) [MSC v.1500 32 bit (Intel)] on win 32, с Numpy версии 1.8.2 и Scipy 0.14.0. (Windows 8, 64 бит).

Код ниже. Я также попытался запустить код на двух машинах Linux, и там script всегда дает тот же ответ (но машины дали разные ответы). Один из них запускал Python 2.7.8, с Numpy 1.8.2 и Scipy 0.14.0. Второй выполнял Python 2.7.3 с Numpy 1.6.1 и Scipy 0.12.0.

Я решаю уравнение Риккати три раза, а затем печатаю ответы. Я ожидаю такой же ответ каждый раз, вместо этого получаю последовательность "1.75305103767e-09; 3.25501787302e-07; 3.25501787302e-07'.

    import numpy as np
    import scipy.linalg

    matrix = np.matrix

    A = matrix([[  0.00000000e+00,   2.96156260e+01,   0.00000000e+00,
                        -1.00000000e+00],
                    [ -2.96156260e+01,  -6.77626358e-21,   1.00000000e+00,
                        -2.11758237e-22],
                    [  0.00000000e+00,   0.00000000e+00,   2.06196064e+00,
                         5.59422224e+01],
                    [  0.00000000e+00,   0.00000000e+00,   2.12407340e+01,
                        -2.06195974e+00]])
    B = matrix([[     0.        ,      0.        ,      0.        ],
                    [     0.        ,      0.        ,      0.        ],
                    [  -342.35401351, -14204.86532216,     31.22469724],
                    [  1390.44997337,    342.33745324,   -126.81720597]])
    Q = matrix([[ 5.00000001,  0.        ,  0.        ,  0.        ],
                    [ 0.        ,  5.00000001,  0.        ,  0.        ],
                    [ 0.        ,  0.        ,  0.        ,  0.        ],
                    [ 0.        ,  0.        ,  0.        ,  0.        ]])
    R = matrix([[ -3.75632852e+04,  -0.00000000e+00,   0.00000000e+00],
                    [ -0.00000000e+00,  -3.75632852e+04,   0.00000000e+00],
                    [  0.00000000e+00,   0.00000000e+00,   4.00000000e+00]])

    counter = 0
    while counter < 3:
            counter +=1

            X = scipy.linalg.solve_continuous_are(A, B, Q, R)
            print(-3449.15531628 - X[0,0])

Моя конфигурация numpy ниже print np.show_config()

lapack_opt_info:
    libraries = ['mkl_blas95', 'mkl_lapack95', 'mkl_intel_c', 'mkl_intel_thread', 'mkl_core', 'libiomp5md', 'mkl_blas95', 'mkl_lapack95', 'mkl_intel_c', 'mkl_intel_thread', 'mkl_core', 'libiomp5md']
    library_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/lib/ia32', 'C:/Program Files (x86)/Intel/Composer XE 2013 SP1/compiler/lib/ia32']
    define_macros = [('SCIPY_MKL_H', None)]
    include_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/include']
blas_opt_info:
    libraries = ['mkl_blas95', 'mkl_lapack95', 'mkl_intel_c', 'mkl_intel_thread', 'mkl_core', 'libiomp5md']
    library_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/lib/ia32', 'C:/Program Files (x86)/Intel/Composer XE 2013 SP1/compiler/lib/ia32']
    define_macros = [('SCIPY_MKL_H', None)]
    include_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/include']
openblas_info:
  NOT AVAILABLE
lapack_mkl_info:
    libraries = ['mkl_blas95', 'mkl_lapack95', 'mkl_intel_c', 'mkl_intel_thread', 'mkl_core', 'libiomp5md', 'mkl_blas95', 'mkl_lapack95', 'mkl_intel_c', 'mkl_intel_thread', 'mkl_core', 'libiomp5md']
    library_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/lib/ia32', 'C:/Program Files (x86)/Intel/Composer XE 2013 SP1/compiler/lib/ia32']
    define_macros = [('SCIPY_MKL_H', None)]
    include_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/include']
blas_mkl_info:
    libraries = ['mkl_blas95', 'mkl_lapack95', 'mkl_intel_c', 'mkl_intel_thread', 'mkl_core', 'libiomp5md']
    library_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/lib/ia32', 'C:/Program Files (x86)/Intel/Composer XE 2013 SP1/compiler/lib/ia32']
    define_macros = [('SCIPY_MKL_H', None)]
    include_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/include']
mkl_info:
    libraries = ['mkl_blas95', 'mkl_lapack95', 'mkl_intel_c', 'mkl_intel_thread', 'mkl_core', 'libiomp5md']
    library_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/lib/ia32', 'C:/Program Files (x86)/Intel/Composer XE 2013 SP1/compiler/lib/ia32']
    define_macros = [('SCIPY_MKL_H', None)]
    include_dirs = ['c:/Program Files (x86)/Intel/Composer XE 2013 SP1/mkl/include']
None

(редактирует, чтобы обрезать вопрос)

4b9b3361

Ответ 1

В общем, библиотеки linalg в Windows дают разные ответы на разные прогоны на уровне точности машины. Я никогда не слышал объяснений, почему это происходит только или в основном на Windows.

Если ваша матрица плохо кондиционирована, то inv будет в значительной степени численным шумом. В Windows шум не всегда одинаковый в последовательных прогонах, в других операционных системах шум может быть всегда одним и тем же, но может различаться в зависимости от деталей библиотеки линейной алгебры, от параметров потоков, использования кеша и т.д.

Я видел и отправлял в scipy список рассылки несколько примеров для этого в Windows, я использовал в основном официальные 32-битные двоичные файлы с ATLAS BLAS/LAPACK.

Единственное решение состоит в том, чтобы сделать результат вашего расчета не так сильно зависящим от точности точности с плавающей запятой и числовым шумом, например, упорядочить матрицу обратным, использовать обобщенный инверсный, pinv, reparameterize или аналогичный.

Ответ 2

Как pv, отмеченный в комментариях к answer33700 answer, предыдущая формулировка решателей Riccati были, хотя и теоретически правильными, не численно устойчивыми. Эта проблема исправлена ​​в версии разработки SciPy, а обобщающие уравнения Riccati также поддерживают обобщения.

Репликаторы Riccati обновляются, и результирующие решатели будут доступны с версии 0.19 и далее. Здесь вы можете проверить .

Если, используя данный пример в вопросе, я заменю последний цикл на

for _ in range(5):
    x = scipy.linalg.solve_continuous_are(A, B, Q, R)
    Res = [email protected] + [email protected] + q - [email protected]@ np.linalg.solve(r,b.T)@ x
    print(Res)

Я получаю (окна 10, py3.5.2)

[[  2.32314924e-05  -2.55086270e-05  -7.66709854e-06  -9.01878229e-06]
 [ -2.62447211e-05   2.61182140e-05   8.27328768e-06   1.00345896e-05]
 [ -7.92257197e-06   8.57094892e-06   2.50908488e-06   3.05714639e-06]
 [ -9.51046241e-06   9.80847472e-06   3.13103374e-06   3.60747799e-06]]
[[  2.32314924e-05  -2.55086270e-05  -7.66709854e-06  -9.01878229e-06]
 [ -2.62447211e-05   2.61182140e-05   8.27328768e-06   1.00345896e-05]
 [ -7.92257197e-06   8.57094892e-06   2.50908488e-06   3.05714639e-06]
 [ -9.51046241e-06   9.80847472e-06   3.13103374e-06   3.60747799e-06]]
[[  2.32314924e-05  -2.55086270e-05  -7.66709854e-06  -9.01878229e-06]
 [ -2.62447211e-05   2.61182140e-05   8.27328768e-06   1.00345896e-05]
 [ -7.92257197e-06   8.57094892e-06   2.50908488e-06   3.05714639e-06]
 [ -9.51046241e-06   9.80847472e-06   3.13103374e-06   3.60747799e-06]]
[[  2.32314924e-05  -2.55086270e-05  -7.66709854e-06  -9.01878229e-06]
 [ -2.62447211e-05   2.61182140e-05   8.27328768e-06   1.00345896e-05]
 [ -7.92257197e-06   8.57094892e-06   2.50908488e-06   3.05714639e-06]
 [ -9.51046241e-06   9.80847472e-06   3.13103374e-06   3.60747799e-06]]
[[  2.32314924e-05  -2.55086270e-05  -7.66709854e-06  -9.01878229e-06]
 [ -2.62447211e-05   2.61182140e-05   8.27328768e-06   1.00345896e-05]
 [ -7.92257197e-06   8.57094892e-06   2.50908488e-06   3.05714639e-06]
 [ -9.51046241e-06   9.80847472e-06   3.13103374e-06   3.60747799e-06]]

Для справки, возвращаемое решение

array([[-3449.15531305,  4097.1707738 ,  1142.52971904,  1566.51333847],
       [ 4097.1707738 , -4863.70533241, -1356.66524959, -1860.15980716],
       [ 1142.52971904, -1356.66524959,  -378.32586814,  -518.71965102],
       [ 1566.51333847, -1860.15980716,  -518.71965102,  -711.21062988]])