solve_ivp多次运行耗时变长问题排查求助

• 检查求解器参数与状态累积

  • solve_ivp默认使用RK45求解器，若未每次调用都显式重置参数或依赖了带记忆的全局状态（如复用旧的t_eval数组、jac函数引用全局变量），可能导致内部缓存异常。每次调用时确保t_span、y0、fun的输入都是独立初始化的新对象，避免复用前一次模拟产生的全局数据。
  • 确认你的社会力计算函数（即solve_ivp的fun参数）没有在全局作用域累积中间结果，比如每次计算交互力时都往全局列表追加数据。

• 排查内存泄漏与全局状态污染

  • %reset -f无法清理所有隐藏状态（如类的静态属性、scipy内部缓存），每次运行前后执行强制垃圾回收，同时用psutil监控内存：

    import gc
    import psutil
    gc.collect()
    print(f"当前内存使用：{psutil.Process().memory_info().rss / 1024**2:.2f} MB")
    

    对比正常和卡顿运行的内存变化，判断是否存在内存泄漏。

• 验证数值稳定性问题

  • 社会力模型在特定行人位置组合下可能出现刚性特性，非刚性求解器（如RK45）会被迫使用极小步长，导致计算量暴增。尝试切换为刚性求解器：

    sol = solve_ivp(fun, t_span, y0, method='Radau', ...)
    

    观察运行时间是否恢复稳定。
  • 检查力计算逻辑，当行人距离极近时，是否出现除以零或无穷大的情况，给距离项添加极小epsilon（如1e-6）避免数值奇点：

    distance = max(np.linalg.norm(pos1 - pos2), 1e-6)
    

• 修正模块导入与PYTHONPATH问题

  • 若存在两个版本的模型模块，强制重载指定版本：

    import importlib
    import your_model_module
    importlib.reload(your_model_module)
    

    或直接指定路径导入，避免PYTHONPATH顺序冲突：

    import sys
    # 先移除旧版本路径
    sys.path = [p for p in sys.path if '/old_model_path' not in p]
    # 添加新版本路径到最前面
    sys.path.insert(0, '/new_model_path')
    import your_model_module
    

• 调试求解器运行细节

  • 开启verbose=2参数，查看求解器日志，对比正常与卡顿运行的步长变化、函数调用次数：

    sol = solve_ivp(fun, t_span, y0, verbose=2, ...)
    

  • 添加回调函数记录迭代状态，定位卡顿触发的场景：

    def debug_callback(t, y):
        print(f"t={t:.2f}, 步长：{sol.step_size:.6f}, 行人位置：{y[:2]}")
        return False  # 返回True会终止求解
    
    sol = solve_ivp(fun, t_span, y0, callback=debug_callback, ...)
    

内容的提问来源于stack exchange，提问作者ischokking