bonjour à tous,
Je viens vers vous car j'aimerai savoir si il était possible de passer d'un code en python à un code en scilab. Ne connaissant pas scilab, j'aimerai savoir si cela était possible.
Voici le code en python
J'éspère que vous pourrez m'aider.
Merci à vous
Code Python : Sélectionner tout - Visualiser dans une fenêtre à part
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
import matplotlib.pyplot as plt
from math import*
 
##Variables
x0 = 0.5                                            #valeur initiale de x
c0 = 0.5                                            #valeur initiale de c
r = 1.0                                             #coefficient d'erosion
rho = 0.1                                           #coefficient d'impatience
U = lambda x: -3 * exp(-0.38 *x)                    #fonction de contentement
U_der = lambda x: 3 * 0.38 * exp(-0.38 * x)         #dérivée de U
D = lambda c: exp(c) - 2*c                          #fonction de sacrifice
D_der = lambda c: exp(c) - 2                        #dérivée de D
phi = lambda l: log(l + 2) if l >= D_der(0) else 0  #phi, inverse de D'
 
t_max = 5.0                                         #temps maximal jusqu'auquel on regarde
n = 1000                                            #nombre d'itérations
 
##Differential equation system
h = t_max/n                                         #le pas temporel
X = [x0]                                            #la liste des x(t)
L = [D_der(c0)]                                     #la liste des l(t), l(t) désignant lambda(t) dans le sujet
 
for i in range(n) :
    x = X[i]                                        #on prend la valeur actuelle de x(t)
    l = L[i]                                        #et celle de l(t)
    x_der = -r * x + phi(l)                         #on calcule x'(t)
    l_der = -(r + rho) * l + U_der(x)               #et l'(t)
    X.append(x + h * x_der)                         #et on prend x(t+h) = x(t) + h * x'(t) (méthode d'euler)
    L.append(l + h * l_der)                         #pareil pour l(t)
 
C = [phi(l) for l in L]                             #on prend la liste des efforts qui valent phi appliquées aux l(t)
 
plt.figure()                                        #et on trace
plt.plot([h * i for i in range(n + 1)], X)
plt.title('Evolution du bien-être du couple')
plt.xlabel('t')
plt.ylabel('x(t)')
plt.figure()
plt.plot([h * i for i in range(n + 1)], C)
plt.title("Evolution de l'effort")
plt.xlabel('t')
plt.ylabel('c(t)')
plt.show()