Numerical Python:用布尔条件求解BVP？

Question

我不确定问这个问题的最佳方式，但我正在尝试找到一个具有任意额外约束的ODE系统的长期状态，该约束需要满足。

例如：

import numpy as np
from scipy.integrate import solve_ivp
import matplotlib.pyplot as plt

def f(t, X, a, b):
    return a*X + b

N = 5

X0 = np.random.randn(N)
t_range = [0, 1]

a = 3
b = 4

sol = solve_ivp(f, t_range, X0, args=(a, b))

for i in range(N):
    plt.plot(sol['t'], sol['y'][i, :])

在上面的代码中，f是我的ODE模型的右侧。N是我的状态向量X的维度，t_range是我想要查看X的值的间隔，X0是我的初始条件，a和b只是任意的模型参数。

所编写的代码会生成以下图表：

​

​

然而，假设我不想在某个固定的t_range上评估X。比方说，我想一直解这个ODE，直到满足某些条件：

def bc(X) -> bool:
    """ True means we stop solving. """
    return (X < 0).any()

换句话说，我想做这样的事情：

X = X0
while not bc(X):
   X = new value from ODE solver

在scipy中有没有简单的方法可以做到这一点？如果没有，有没有一种简单的方法来实现呢？

如果我能澄清一些更好的事情，请告诉我。

Answer 1

@Lutz Lehmann在评论中回答了我的问题。

如果我想让求解器在X中的一个条目变为<0时停止：

event = lambda t, X, a, b : min(X) # account for when args are passed to event func
event.terminal # tells it to stop
sol = solve_ivp(f, t_range, X0, args=(a, b), events = event)