基于算法的矩阵电路分析求助：spsolve失效与隐藏测试用例失败

易出错的测试场景 #

• 串联链分支干扰场景：比如R₁(A-B)、R₂(B-C)、R₃(B-D)，R₁与R₂共享节点B，但该节点还连接了R₃，你的逻辑会判定二者为NEITHER，但实际R₁与R₂所在的A-B-C路径是独立串联支路，属于误判。
• 多电阻串联中间节点误判：三个电阻R₁(A-B)、R₂(B-C)、R₃(C-D)，若串联链中途出现临时悬空分支（如R₂额外连接R₄(B-E)且R₄无其他连接），你的“前一个为串联则当前也判定为串联”规则会失效，误判R₂与R₃为NEITHER。
• 单个悬空电阻误判：单个电阻R₁(A-B)，两端节点均无其他连接，你的逻辑会误触发“两电阻共享节点且仅这两个电阻相连”的条件（实际仅一个电阻），输出SERIES，正确结果应为NEITHER。
• 串并联组合场景：R₁(A-B)、R₂(B-C)、R₃(A-C)，R₁与R₂是串联关系，但你的逻辑仅能判断两两电阻的串联，无法识别“R₁+R₂整体与R₃并联”的组合结构，这类场景是隐藏测试用例的高频考点。
• 并联支路与串联的关联误判：四个电阻R₁(A-B)、R₂(A-B)、R₃(A-B)、R₄(B-C)，你的逻辑能判断R₁/R₂/R₃为Parallel，但会误判R₁与R₄为NEITHER，实际R₁所属的并联支路与R₄是串联关系。

算法选型建议 #

• 图论建模法：将电阻抽象为图的边，节点抽象为顶点，基于图结构判断：
  • 并联：两条边连接完全相同的一对顶点。
  • 串联：两条边共享一个顶点，且该顶点的度数为2（仅连接这两条边）；对于串联链，需验证整条路径上的中间节点度数均为2。
• 废弃链式依赖判断：移除“前一个电阻为串联则当前电阻也判定为SERIES”的规则，改为基于每个顶点的邻接边数量独立判断，避免分支场景下的误传。
• 连通分量分析：先识别所有并联支路（同一顶点对的边集合），将每个并联支路视为单个“超级边”，再判断超级边之间的串联关系，解决组合场景的判断问题。

核心原因 #

• 求解器行为变化：scipy版本更新后，spsolve对奇异矩阵的容错机制被收紧，旧版本可能通过近似求解处理接近非奇异的矩阵，新版本直接返回错误。
• 矩阵固有奇异性：未明确接地节点时，节点电压方程的矩阵必然奇异（存在无穷多解），之前的高成功率是随机电阻分布导致矩阵条件数较低，新版本求解器对条件数更敏感。
• 稀疏矩阵转换误差：大型系统中，lil-matrix转csr-format时的数值累积误差，会放大矩阵的奇异性，导致求解失败。

解决方案 #

• 强制指定接地节点：构建矩阵前，固定一个节点为地（电位0），删除该节点对应的行和列，将奇异矩阵转为非奇异的满秩矩阵，这是节点分析的标准流程。
• 改用最小二乘求解器：若必须保留奇异矩阵，替换spsolve为scipy.sparse.linalg.lsqr或scipy.sparse.linalg.lsmr，这两个函数专门处理欠定/奇异系统，返回最小二乘意义上的解。
• 显式指定求解器：检查scipy版本，若新版本切换了默认求解器，可显式指定旧版求解器，例如：spsolve(A, b, use_umfpack=True)（需确保UMFPACK库可用）。
• 优化稀疏矩阵构建：改用coo_matrix构建矩阵（适合批量赋值），再转为csr-format，减少数值误差；填充电导值时避免重复赋值，确保每个矩阵位置只被赋值一次。
• 限制电阻值范围：生成随机电阻时，避免极小（如1e-6Ω）或极大（如1e6Ω）的数值，控制电导值的数量级在1e-3到1e3之间，降低矩阵条件数。

内容的提问来源于stack exchange，提问作者geekyhez