วิทยาศาสตร์การคำนวณ

ถามตอบสำหรับนักวิทยาศาสตร์ที่ใช้คอมพิวเตอร์เพื่อแก้ปัญหาทางวิทยาศาสตร์

1
การใช้งานที่ดีที่สุดของการแยก Strang (สำหรับสมการการกระจายปฏิกิริยา)
ฉันสังเกตอย่างประหลาดขณะคำนวณวิธีแก้ปัญหาไปยังสมการการแพร่กระจายปฏิกิริยา 1D แบบง่าย: ∂∂ta=∂2∂x2a−ab∂∂ta=∂2∂x2a−ab\frac{\partial}{\partial t}a=\frac{\partial^2}{\partial x^2}a-ab ∂∂tb=−ab∂∂tb=−ab\frac{\partial}{\partial t}b=-ab ∂∂tc=a∂∂tc=a\frac{\partial}{\partial t}c = a ค่าเริ่มต้นของคือค่าคงที่ ( ) และฉันสนใจอินทิกรัลมากกว่าตั้งแต่ถึง ( ) วัตถุประสงค์ของและสมการเป็นเพียงการประเมินอินทิกรัลนี้bbbb(0,x)=b0b(0,x)=b0b(0,x)=b_0aaa000111∫10a(t,x)dt∫01a(t,x)dt\int_0^1a(t,x)dtccc∂∂tc=a∂∂tc=a\frac{\partial}{\partial t}c = a ฉันใช้รูปแบบการแยก Strang สำหรับการมีเพศสัมพันธ์ระหว่างการแพร่และปฏิกิริยา (ปฏิกิริยาครึ่งขั้นตอนจากนั้นเป็นการแพร่กระจายแบบเต็มขั้นตอนและจากนั้นอีกครึ่งปฏิกิริยาแบบขั้นตอน) แผน Crank Nicholson สำหรับการแพร่และโซลูชันการวิเคราะห์สำหรับปฏิกิริยา ( รวมถึงสมการ )∂∂tc=a∂∂tc=a\frac{\partial}{\partial t}c = a เนื่องจากหนึ่งขั้นตอนของโซลูชันการวิเคราะห์เป็นมากกว่า 3 ปัจจัยที่ช้ากว่าหนึ่งขั้นตอนของแผนการ Crank Nicholson ฉันจึงพยายามทำมากกว่าหนึ่งขั้นตอนของ Crank Nicholson สำหรับแต่ละขั้นตอนของปฏิกิริยา ฉันหวังว่าจะได้ผ่านขั้นตอนที่น้อยลงของแผนการแบ่ง Strang เพื่อที่ฉันจะได้เร็วขึ้นโดยรวม อย่างไรก็ตามผลตรงกันข้ามสามารถสังเกตได้คือจำเป็นต้องใช้ขั้นตอนมากขึ้นสำหรับการแบ่ง Strang …

1
อัลกอริธึมที่มีเสถียรภาพเชิงตัวเลขสำหรับการคำนวณส่วนที่เหลือของพหุนาม
ให้และองศากรัม ฉันกำลังมองหา asymptotically ได้อย่างรวดเร็วและมีเสถียรภาพตัวเลขอัลกอริทึมสำหรับการคำนวณกรัม ในแอปพลิเคชันที่ต้องการทั้งเป็นพหุนามที่หนาแน่นพร้อมค่าสัมประสิทธิ์จำนวนจุดลอยตัวที่มีความแม่นยำสองเท่า แต่ตอนนี้ฉันสนใจอัลกอริธึมมากกว่าการนำไปใช้ การอ้างอิงสำหรับอัลกอริทึมสำหรับการคำนวณ GCD ของชื่อพหุนามที่เป็นตัวเลขก็มีค่าเช่นกันฉ, g∈ R [ x ]ฉ,ก.∈R[x]f, g \in \mathbb{R}[x]องศาฉ> องศาก.องศา⁡ฉ>องศา⁡ก.\deg f > \deg gฉmod gฉพอควรก.f \bmod gฉ, gฉ,ก.f, g


4
หมายเลขเงื่อนไขของสูตร A 'และ AA'
มันแสดงให้เห็น (Yousef Saad, วิธีการวนซ้ำสำหรับระบบเชิงเส้นแบบกระจัดกระจาย , หน้า 260)cond(A′A)≈cond(A)2cond(A′A)≈cond(A)2cond(A'A) \approx cond(A)^2 สิ่งนี้เป็นจริงหรือ AA′AA′AA' เช่นกัน? เผื่อ AAA คือ N×MN×MN\times M กับ N≪MN≪MN \ll Mฉันสังเกตว่า cond(A′A)≫cond(AA′)cond(A′A)≫cond(AA′)cond(A'A) \gg cond(AA') นั่นหมายถึงการกำหนดในแง่ของ AA′AA′AA' จะดีกว่าในกรณีนี้

1
ค่าที่กำหนดบนตาข่ายฉันสามารถใช้อัลกอริทึมใดในการสร้างชุดรูปทรงระดับที่มีประสิทธิภาพได้อย่างไร
ฉันมีตาข่ายใบหน้า FFFขอบ EEEและจุดยอด VVVและฉันมีรายการรูปทรงชุดระดับที่กำหนดไว้ล่วงหน้า ฉันสามารถใช้อัลกอริทึมใดในการสร้างรูปทรงได้อย่างมีประสิทธิภาพมากที่สุด เนื้อเรื่องของเส้นแสดงอยู่ด้านบน เส้นที่มีสีเดียวกันจะมีสีเดียวกันZZz ราคา.

2
แอปพลิเคชันที่ปลอดภัยของวิธีการวนซ้ำในเมทริกซ์ครอบงำ
สมมติว่าระบบเชิงเส้นต่อไปนี้ได้รับ Lx=c,(1)(1)Lx=c,Lx=c,\tag1 ที่ไหน LLL Laplacian เป็นน้ำหนักที่รู้จักกันว่าเป็นบวก semi−semi−semi-แน่นอนด้วยช่องว่างว่างหนึ่งมิติซึ่งถูกขยายโดย 1n=(1,…,1)∈Rn1n=(1,…,1)∈Rn1_n=(1,\dots,1)\in\mathbb{R}^nและความแปรปรวนการแปลของ x∈Rnx∈Rnx\in\mathbb{R}^{n}คือ x+a1nx+a1nx+a1_n ไม่เปลี่ยนค่าฟังก์ชัน (ซึ่งอนุพันธ์คือ (1)(1)(1)) รายการเชิงบวกเท่านั้นของLLL อยู่ในแนวทแยงมุมซึ่งเป็นผลรวมของค่าสัมบูรณ์ของผลลบนอกแนวทแยงมุม ฉันพบในงานวิชาการที่อ้างถึงอย่างหนึ่งในสาขานั้นแม้ว่า LLL คือ not strictlynot strictlynot~strictly วิธีการเช่น Conjugate Gradient, Gauss-Seidl, Jacobi ยังคงสามารถนำมาใช้แก้ปัญหาได้อย่างปลอดภัย (1)(1)(1). เหตุผลก็คือเนื่องจากค่าคงที่ของการแปลมีความปลอดภัยในการแก้ไขหนึ่งจุด (เช่นลบแถวและคอลัมน์แรกของLLL และรายการแรกจาก ccc ) ดังนั้นการแปลง LLL เพื่อ strictlystrictlystrictlyเมทริกซ์ที่โดดเด่นในแนวทแยงมุม อย่างไรก็ตามระบบดั้งเดิมได้รับการแก้ไขในรูปแบบเต็มของ(1)(1)(1)กับ L∈Rn×nL∈Rn×nL\in\mathbb{R}^{n\times n}. สมมติฐานนี้ถูกต้องและถ้าเป็นเช่นนั้นเหตุผลอื่นคืออะไร ฉันพยายามที่จะเข้าใจว่าการบรรจบกันของวิธีการยังคงอยู่ หากวิธี Jacobi เป็นคอนเวอร์เจนซ์ด้วย (1)(1)(1)สิ่งหนึ่งที่สามารถระบุได้เกี่ยวกับรัศมีสเปกตรัม ρρ\rho ของเมทริกซ์การวนซ้ำ D−1(D−L)D−1(D−L)D^{-1}(D-L)ที่ไหน DDD …

4
รหัส Multigrid เกี่ยวกับพีชคณิต
ฉันต้องการทราบรายละเอียดเพิ่มเติมเกี่ยวกับการใช้งานพีชคณิต Multigrid วิธี (AMG) ฉันได้อ่าน "การสอนแบบ Multigrid" ซึ่งค่อนข้างดีและอธิบายรายละเอียดทั้งหมดของการแก้ไขตัวดำเนินการกริดหยาบและการเลือกกริดหยาบสำหรับ AMG อย่างไรก็ตามฉันคิดว่าไม่มีอะไรที่เหมือนกับการเล่นและอ่านรหัส ดังนั้นฉันอยากจะถามว่าใครรู้ AMG "โค้ดตัวอย่าง" แบบคลาสสิกใด ๆ เช่นรหัส FORTRAN ทางเรขาคณิตแบบ Multigrid ที่มีในตอนท้ายของ "วิธีการแบบ Multigrid" (SIAM) โดย SF McCormick มันค่อนข้างยากที่จะได้รหัสที่มีคุณภาพและการผลิตสูงเช่น BoomerAMG เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับวิธีการ

5
การแก้ปัญหาเชิงสัญลักษณ์ของระบบสมการไม่เชิงเส้น 7 ตัว
ฉันมีระบบของสมการเชิงอนุพันธ์สามัญ - 7 สมการและพารามิเตอร์ ~ 30 ที่ควบคุมพฤติกรรมของพวกเขาเป็นส่วนหนึ่งของแบบจำลองทางคณิตศาสตร์ของการแพร่กระจายของโรค ฉันชอบที่จะหารัฐที่มั่นคงสำหรับสมการเหล่านั้นเปลี่ยนdx/dt = rest of the equationไป0 = equationสำหรับแต่ละสมการทำให้มันเป็นปัญหาพีชคณิตตรงไปตรงมา สิ่งนี้สามารถทำได้ด้วยมือ แต่ฉันไม่ดีที่การคำนวณแบบนั้น ฉันได้ลองใช้ Mathematica ซึ่งสามารถจัดการกับปัญหานี้ในรุ่นที่เล็กกว่า ( ดูที่นี่ ) แต่ Mathematica กำลังจะหยุดปัญหานี้ มีวิธีที่มีประสิทธิภาพ / ประสิทธิผลมากกว่าในการเข้าถึงสิ่งนี้ ระบบคณิตศาสตร์เชิงสัญลักษณ์ที่มีประสิทธิภาพมากขึ้น? ข้อเสนอแนะอื่น ๆ ? อัพเดตเล็กน้อย (21 มีนาคม): เป้าหมายคือการแก้ปัญหาเชิงสัญลักษณ์ - คำตอบเชิงตัวเลขนั้นดีแต่ในตอนนี้เป้าหมายสุดท้ายคือรุ่นสัญลักษณ์ มีอย่างน้อยหนึ่งดุลยภาพ ฉันยังไม่ได้นั่งลงและพิสูจน์สิ่งนี้ แต่จากการออกแบบมันควรมีอย่างน้อยหนึ่งเรื่องที่ไม่มีใครติดเชื้อในตอนเริ่มต้น อาจไม่มีอะไรเลยนอกเหนือจากนั้น แต่นั่นจะทำให้ฉันเป็นเนื้อหาเป็นอย่างอื่น ด้านล่างคือชุดของสมการที่แท้จริงที่ถูกพูดถึง โดยสรุปฉันกำลังมองหานิพจน์สัญลักษณ์สำหรับการแก้ปัญหาของระบบของ 7 สมการกำลังสองใน 7 ตัวแปร

1
ชุดฟูริเยร์ใดที่จำเป็นในการแก้ปัญหาปัวซอง 2D ด้วยเงื่อนไขขอบเขตผสมโดยใช้การแปลงฟูริเยร์อย่างรวดเร็ว
ฉันได้ยินมาว่าการแปลงฟูเรียร์แบบเร็วสามารถใช้แก้ปัญหาปัวซองได้เมื่อเงื่อนไขขอบเขตเป็นประเภทเดียว ... ซีรีส์ไซน์สำหรับ dirichlet, โคไซน์สำหรับนิวมันน์และทั้งสองเป็นคาบ เมื่อพิจารณาถึงโดเมนสี่เหลี่ยม 2 มิติสมมติว่าทั้งสองฝั่งตรงข้ามมีเงื่อนไขขอบเขตเป็นระยะและอีกสองรายการมีเงื่อนไข dirichlet การแปลงฟูเรียร์แบบเร็วสามารถนำไปใช้แก้ปัญหานี้ได้อย่างมีประสิทธิภาพหรือไม่? ถ้าใช่รูปแบบเลขชี้กำลังจะเพียงพอหรือไม่ ถ้าไม่คุณจะขอคำแนะนำอะไรสำหรับสถานการณ์นี้

1
การสร้างพื้นที่สี่เหลี่ยมจัตุรัสเชิงตัวเลขแบบใดที่จะเลือกเพื่อรวมฟังก์ชั่นเข้ากับเอกพจน์?
ตัวอย่างเช่นฉันต้องการคำนวณตัวเลข L2L2L^2- ไม่มี คุณ=1(x2+Y2+Z2)1 / 3u=1(x2+y2+z2)1/3\displaystyle u = \frac{1}{(x^2+y^2+z^2)^{1/3}} ในบางโดเมนที่มีศูนย์ฉันลองสร้างพื้นที่สี่เหลี่ยมจัตุรัสของเกาส์และมันล้มเหลวมันค่อนข้างไกลจากของจริง L2L2L^2- ไม่อยู่บนลูกบอลหน่วยโดยใช้พิกัดทรงกลมเพื่อรวมกันมีวิธีใดที่ดีในการทำเช่นนี้? ปัญหานี้มักพบในปัญหาการคำนวณองค์ประกอบของเล่นสำหรับโดเมนที่มีผู้เข้าร่วมใหม่ ขอบคุณ

1
สมการชโรดิงเงอร์ที่มีเงื่อนไขขอบเขตเป็นระยะ
ฉันมีคำถามสองสามข้อเกี่ยวกับสิ่งต่อไปนี้: ฉันกำลังพยายามที่จะแก้สมการชโรดิงเงอร์ใน 1D โดยใช้ข้อเหวี่ยงนิโคลสันข้อเหวี่ยงตามด้วยการแปลงเมทริกซ์กลับด้านที่เกิดขึ้น ขณะนี้ปัญหาของฉันได้รับการพัฒนาเป็นปัญหาเกี่ยวกับเงื่อนไขขอบเขตเป็นระยะดังนั้นฉันจึงแก้ไขโค้ดของฉันเพื่อใช้อัลกอริทึม Sherman Morrison สมมติว่าvเป็น RHS ของฉันในแต่ละขั้นตอนเมื่อฉันต้องการกลับเมทริกซ์ไตรภาคี ขนาดของvคือจำนวนจุดกริดที่ฉันมีมากกว่าพื้นที่ เมื่อฉันตั้งค่าv[0]และv[-1]ในแง่ของกันและกันตามที่จำเป็นในสถานการณ์ของฉันเป็นระยะสมการของฉันระเบิดขึ้น ฉันไม่สามารถบอกได้ว่าทำไมสิ่งนี้จึงเกิดขึ้น ฉันใช้ python2.7 และ inbuilt ของ scipy เพื่อแก้ไขสมการ สิ่งนี้ทำให้ฉันถึงคำถามที่สองของฉัน: ฉันใช้หลามเพราะเป็นภาษาที่ฉันรู้จักดีที่สุด แต่ฉันคิดว่ามันค่อนข้างช้า (แม้จะมีการเพิ่มประสิทธิภาพที่เสนอโดย numpy และ scipy) ฉันได้ลองใช้ C ++ เพราะฉันคุ้นเคยกับมันอย่างสมเหตุสมผล ฉันคิดว่าฉันใช้ GSL ซึ่งจะเป็นการเพิ่มประสิทธิภาพ BLAS แต่ไม่พบเอกสารประกอบในการสร้างเวกเตอร์ที่ซับซ้อนหรือแก้เมทริกซ์ tridiagonal ด้วยเวกเตอร์ที่มีค่าที่ซับซ้อนเช่นนั้น ฉันต้องการวัตถุในโปรแกรมของฉันเนื่องจากฉันรู้สึกว่ามันเป็นวิธีที่ง่ายที่สุดสำหรับฉันที่จะพูดคุยในภายหลังเพื่อรวมการมีเพศสัมพันธ์ระหว่าง wavefunctions ดังนั้นฉันจึงติดกับภาษาเชิงวัตถุ ฉันลองเขียนตัวแก้เมทริกซ์ tridiagonal matrix ด้วยมือ แต่ฉันพบปัญหาเมื่อฉันทำเช่นนั้นในไพ ธ อน ในขณะที่ฉันมีการพัฒนาในช่วงเวลาที่มากขึ้นด้วยขั้นตอนที่ดีกว่าและดีกว่าข้อผิดพลาดที่สะสมและทำให้ฉันไร้สาระ เมื่อคำนึงถึงสิ่งนี้ฉันตัดสินใจใช้วิธีการที่สร้างขึ้น …

2
การรวมตัวเลขกับการหารที่เป็นไปได้โดย 'ศูนย์'
ฉันกำลังพยายามที่จะรวม ∫10เสื้อ2 n + 2ประสบการณ์(αR0เสื้อ) dเสื้อ∫01t2n+2exp⁡(αr0t)dt\int^1_0 t^{2n+2}\exp\left({\frac{\alpha r_0}{t}}\right)dt ซึ่งเป็นการเปลี่ยนแปลงอย่างง่ายของ ∫∞1x2 nประสบการณ์( - αR0x ) dx∫1∞x2nexp⁡(−αr0x)dx\int^{\infty}_1 x^{2n}\exp(-\alpha r_0 x)dx การใช้ t =1xt=1xt = \frac1{x}เพราะเป็นการยากที่จะประมาณอินทิกรัลที่ไม่เหมาะสมเป็นตัวเลข อย่างไรก็ตามสิ่งนี้นำไปสู่ปัญหาในการประเมินอินทิเกรตใหม่และใกล้ศูนย์ มันจะง่ายมากที่จะได้จำนวนที่เหมาะสมของโหนดการสร้างพื้นที่สี่เหลี่ยมจัตุรัสที่เห็นเนื่องจากช่วงเวลาเป็นเพียงความยาว 1 (ดังนั้นการเปรียบเทียบdเสื้อdtdt สามารถทำให้เล็กมาก) แต่สิ่งที่ควรพิจารณาในการบูรณาการใกล้ศูนย์? ในบางระดับฉันคิดว่ามันง่าย ∫1εเสื้อ2 n + 2ประสบการณ์(αR0เสื้อ) dเสื้อ∫ϵ1t2n+2exp⁡(αr0t)dt\int^1_\epsilon t^{2n+2}\exp({\frac{\alpha r_0} {t}})dt เป็นความคิดที่ดีที่ εϵ\epsilonมีจำนวนน้อย อย่างไรก็ตามฉันควรเลือกหมายเลขใด มันควรเป็น epsilon หรือไม่? การหารด้วยเครื่อง epsilon เป็นจำนวนเชิงปริมาณที่ดีหรือไม่? นอกจากนี้หากการแบ่งเครื่องของฉัน epsilon (หรือใกล้เคียง) …

1
การผ่าที่ซ้อนกันบนกริดปกติ
เมื่อทำการแก้ปัญหาระบบเชิงเส้นหร็อมแหร็มโดยใช้วิธีการแยกตัวประกอบโดยตรงกลยุทธ์การสั่งซื้อที่ใช้ส่งผลกระทบอย่างมีนัยสำคัญต่อปัจจัยการเติมขององค์ประกอบที่ไม่เป็นศูนย์ในปัจจัย หนึ่งในกลยุทธ์การสั่งซื้อคือการคัดแยกที่ซ้อนกัน ฉันสงสัยว่ามันเป็นไปได้ที่จะเกิดขึ้นกับการผ่าที่ซ้อนกันสั่งล่วงหน้าก่อนเวลาที่กำหนดเพียงพารามิเตอร์กริด (สมมติว่าเป็นตารางความแตกต่างแน่นอน M x N สแควร์ที่มีความแตกต่างลำดับแรก) แก้ไข ฉันเพิ่งพบว่ามีรหัสที่ทำสิ่งนี้: http://www.cise.ufl.edu/research/sparse/meshnd/

3
ตัวเลข: ฉันจะปรับมาตรฐาน ODE ต่อไปนี้อย่างไร
คำถามนี้เป็นคำถามเพิ่มเติมเกี่ยวกับวิธีแก้ไขปัญหาเชิงตัวเลข ในโครงการขนาดเล็กฉันต้องการจำลองท่าทางการเคลื่อนไหวของ Janus และ Epimetheus นี่เป็นปัญหาของร่างกายสามประการ ฉันเลือกดาวเสาร์ที่จะแก้ไขที่จุดเริ่มต้นปล่อยให้และเป็นเวกเตอร์ตำแหน่งของ janus และ epimetheus ตามลำดับ เนื่องจากผลกระทบที่เกิดขึ้นเมื่อเจนัสและ Epimetheus มีความใกล้ชิดกันฉันหยิบญาติพิกัดสำหรับการแก้ปัญหาที่ดีกว่าคือและRตอนนี้ฉันได้สมการการเคลื่อนที่ดังนี้r1r1r_1r2r2r_2r=r1−r2r=r1−r2r=r_1-r_2R=r1+r2R=r1+r2R=r_1+r_2 d2dt2(Rr)=−G(m2±m1)RR3−4MG(r+R(r+R)3∓r−R(r−R)3)d2dt2(Rr)=−G(m2±m1)RR3−4MG(r+R(r+R)3∓r−R(r−R)3) \frac {d^2}{dt^2} \binom{R}{r} = - G (m_2\pm m_1) \frac R {R^3} - 4 M G \left(\frac {r+R}{(r+R)^3} \mp \frac {r-R}{(r-R)^3}\right ) โดยที่mimim_iสอดคล้องกับมวลของดวงจันทร์MMMคือมวลของดาวเสาร์และGGGค่าคงตัวโน้มถ่วง ปัญหาเกิดขึ้นเมื่อฉันพยายามที่จะแก้ปัญหานี้เป็นตัวเลข หนึ่งมีการจัดการกับค่านิยมของขนาดที่แตกต่างกันอย่างสิ้นเชิงคือM∼e28M∼e28M \sim e^{28}และmi∼e17mi∼e17m_i \sim e^{17}{17} และrrr , RRRอยู่ในขอบเขต 0 ถึง 150,000 บอกตามตรงฉันไม่แน่ใจว่านี่เป็นฟอรัมสถานที่เพื่อพูดคุยเกี่ยวกับปัญหาเชิงตัวเลขหรือไม่ …
9 ode 

3
วิธีการวนซ้ำสำหรับระบบไม่ จำกัด โดยไม่มีโครงสร้างบล็อก
ระบบที่ไม่แน่นอนของเมทริกซ์จะปรากฏขึ้นเช่นในการแยกแยะปัญหาของจุดอานโดยองค์ประกอบ จำกัด เมทริกซ์ระบบสามารถใส่ในแบบฟอร์มได้ (ABBเสื้อค)(ABเสื้อBค)\begin{pmatrix} A & B^t \\ B & C\end{pmatrix} โดยที่คือลบ (กึ่ง) - ไม่มีขีด จำกัด ,เป็นบวก (กึ่ง -) แน่นอนและเป็นกฎเกณฑ์ แน่นอนขึ้นอยู่กับการประชุมคุณอาจใช้เงื่อนไขที่แน่นอน แต่นี่เป็นโครงสร้างของเมทริกซ์เหล่านั้นAAAคคCBBB สำหรับวิธีการเหล่านี้สามารถใช้วิธีของอุซาวะได้ซึ่งเป็นเพียง "กลอุบาย" เพื่อแปลงระบบให้เป็นระบบกึ่งแน่นอนที่เทียบเท่าซึ่งสามารถแก้ไขได้โดย Conjugate Gradient, Gradient Descent และอื่น ๆ ฉันเผชิญกับระบบไม่ จำกัด ซึ่งไม่มีโครงสร้างบล็อกดังกล่าว วิธีการประเภทอุซวะวะไม่ได้ใช้ในกรณีนั้น ฉันรับรู้ถึงวิธีการตกค้างขั้นต่ำ (MINRES) ที่ได้รับการแนะนำโดย Paige & Saunders ซึ่งเป็นเพียงการสอบถามซ้ำสามครั้งและดูเหมือนว่าจะใช้งานได้ง่าย คำถาม:โดยทั่วไปแล้ว MINRES เป็นตัวเลือกที่ดีพูดทำต้นแบบหรือไม่ มันเกี่ยวข้องกับภาคปฏิบัติหรือไม่? การปรับสภาพล่วงหน้าไม่ใช่ประเด็นสำคัญในขณะนี้

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.