如何在Python中使用循环中的收敛条件来细化矩阵

Question

我有一个原始矩阵

originalOD = np.array([[1,2,4], [3,2,3], [4,2,2]])

#### Now we can sum productions and attractions####
originalD=np.sum(originalOD,axis=0)
originalO=np.sum(originalOD,axis=1)

并希望将原创和原创融合在一起：

targetD=np.array([16,9,9])
targetO=np.array([14,8,12])

我正在尝试使用一些收敛条件在循环中完成此操作：

Convergence=0
while True: 
        xD=targetD/originalD
        newOD=originalOD*xD
        newD=np.sum(newOD,axis=0)
        xO=targetO/originalO
        newOD=originalOD*xO
        newO=np.sum(newOD,axis=1)

        Convergence = (sum(newO)/sum(targetO)+sum(newD)/sum(targetD))/2

        print('Converged:', Convergence)
        if Convergence<1.01 and Convergence>0.99:
            break
        else:
            continue

它正在运行，但似乎xD和xO在随后的循环中没有变化，即

Converged: 1.0220588235294117
Converged: 1.0220588235294117
Converged: 1.0220588235294117
Converged: 1.0220588235294117

对代码中需要修改的地方有什么想法吗？

Answer 1

看起来您未能在while循环中更新矩阵(OD)以及起始和目标总计，因此，当前在每个循环中，您只是应用了从原始矩阵派生的相同因子。尝试以下操作：

newOD=originalOD
newD=np.sum(newOD,axis=0)
newO=np.sum(newOD,axis=1)
Convergence=0
while True: 
    xD=targetD/newD
    newOD=newOD*xD
    newD=np.sum(newOD,axis=0)
    xO=targetO/newO
    newOD=newOD*xO
    newO=np.sum(newOD,axis=1)

    Convergence = (sum(newO)/sum(targetO)+sum(newD)/sum(targetD))/2

    print('Converged:', Convergence)
    if Convergence<1.01 and Convergence>0.99:
        break
    else:
        continue

您还可以考虑将最大迭代次数添加到计算中，因为不能保证速度收敛，特别是在矩阵稀疏的情况下。