examples/daSalome/test005_ADAO_scripts_for_JDC.py

   1 #-*-coding:iso-8859-1-*-
   2 # Copyright (C) 2010-2011 EDF R&D
   3 #
   4 # This library is free software; you can redistribute it and/or
   5 # modify it under the terms of the GNU Lesser General Public
   6 # License as published by the Free Software Foundation; either
   7 # version 2.1 of the License.
   8 #
   9 # This library is distributed in the hope that it will be useful,
  10 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  11 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  12 # Lesser General Public License for more details.
  13 #
  14 # You should have received a copy of the GNU Lesser General Public
  15 # License along with this library; if not, write to the Free Software
  16 # Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  17 #
  18 # See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  19 #
  20 # Author: André Ribes, andre.ribes@edf.fr, EDF R&D
  21
  22 import numpy
  23 import logging
  24 logging.info("ComputationFunctionNode: Begin")
  25 # ==============================================================================
  26 # Input data and parameters: all is in the required input variable
  27 # "computation", containing for example:
  28 #      {'inputValues': [[[[0.0, 0.0, 0.0]]]],
  29 #       'inputVarList': ['adao_default'],
  30 #       'outputVarList': ['adao_default'],
  31 #       'specificParameters': [{'name': 'method', 'value': 'Direct'}]}
  32 # ==============================================================================
  33 #
  34 # Recovering the type of computation: "Direct", "Tangent" or "Adjoint"
  35 # --------------------------------------------------------------------
  36 method = ""
  37 for param in computation["specificParameters"]:
  38     if param["name"] == "method":
  39         method = param["value"]
  40 logging.info("ComputationFunctionNode: Found method is \'%s\'"%method)
  41 #
  42 # Recovering the current control state X
  43 # --------------------------------------
  44 Xcurrent = computation["inputValues"][0][0][0]
  45 #
  46 # Building explicit calculation or requiring external ones
  47 # --------------------------------------------------------
  48 dimension = len( Xcurrent )
  49 H  = numpy.matrix(numpy.core.identity(dimension))
  50 #
  51 def FunctionH( X ):
  52     return H * X
  53 #
  54 def AdjointH( (X, Y) ):
  55     return H.T * Y
  56 #
  57 # The possible computations
  58 # -------------------------
  59 if method == "Direct":
  60     logging.info("ComputationFunctionNode: Direct computation")
  61     data = FunctionH(numpy.matrix( Xcurrent ).T)
  62 #
  63 if method == "Tangent":
  64     logging.info("ComputationFunctionNode: Tangent computation")
  65     data = FunctionH(numpy.matrix( Xcurrent ).T)
  66 #
  67 if method == "Adjoint":
  68     logging.info("ComputationFunctionNode: Adjoint computation")
  69     Ycurrent = computation["inputValues"][0][0][1]
  70     data = AdjointH((numpy.matrix( Xcurrent ).T, numpy.matrix( Ycurrent ).T))
  71 #
  72 # Formatting the output
  73 # ---------------------
  74 logging.info("ComputationFunctionNode: Formatting the output")
  75 it = data.flat
  76 outputValues = [[[[]]]]
  77 for val in it:
  78   outputValues[0][0][0].append(val)
  79 #
  80 result = {}
  81 result["outputValues"]        = outputValues
  82 result["specificOutputInfos"] = []
  83 result["returnCode"]          = 0
  84 result["errorMessage"]        = ""
  85 #
  86 logging.info("ComputationFunctionNode: End")