src/daComposant/daAlgorithms/LinearLeastSquares.py

   1 #-*-coding:iso-8859-1-*-
   2 #
   3 #  Copyright (C) 2008-2014 EDF R&D
   4 #
   5 #  This library is free software; you can redistribute it and/or
   6 #  modify it under the terms of the GNU Lesser General Public
   7 #  License as published by the Free Software Foundation; either
   8 #  version 2.1 of the License.
   9 #
  10 #  This library is distributed in the hope that it will be useful,
  11 #  but WITHOUT ANY WARRANTY; without even the implied warranty of
  12 #  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  13 #  Lesser General Public License for more details.
  14 #
  15 #  You should have received a copy of the GNU Lesser General Public
  16 #  License along with this library; if not, write to the Free Software
  17 #  Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  18 #
  19 #  See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  20 #
  21 #  Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
  22
  23 import logging
  24 from daCore import BasicObjects, PlatformInfo
  25 m = PlatformInfo.SystemUsage()
  26 import numpy
  27
  28 # ==============================================================================
  29 class ElementaryAlgorithm(BasicObjects.Algorithm):
  30     def __init__(self):
  31         BasicObjects.Algorithm.__init__(self, "LINEARLEASTSQUARES")
  32         self.defineRequiredParameter(
  33             name     = "StoreInternalVariables",
  34             default  = False,
  35             typecast = bool,
  36             message  = "Stockage des variables internes ou intermédiaires du calcul",
  37             )
  38         self.defineRequiredParameter(
  39             name     = "StoreSupplementaryCalculations",
  40             default  = [],
  41             typecast = tuple,
  42             message  = "Liste de calculs supplémentaires à stocker et/ou effectuer",
  43             listval  = ["OMA"]
  44             )
  45
  46     def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
  47         logging.debug("%s Lancement"%self._name)
  48         logging.debug("%s Taille mémoire utilisée de %.1f Mo"%(self._name, m.getUsedMemory("M")))
  49         #
  50         # Paramètres de pilotage
  51         # ----------------------
  52         self.setParameters(Parameters)
  53         #
  54         # Opérateur d'observation
  55         # -----------------------
  56         Hm = HO["Tangent"].asMatrix(None)
  57         Hm = Hm.reshape(Y.size,-1) # ADAO & check shape
  58         Ha = HO["Adjoint"].asMatrix(None)
  59         Ha = Ha.reshape(-1,Y.size) # ADAO & check shape
  60         #
  61         RI = R.getI()
  62         #
  63         # Calcul de la matrice de gain et de l'analyse
  64         # --------------------------------------------
  65         K = (Ha * RI * Hm).I * Ha * RI
  66         Xa =  K * Y
  67         self.StoredVariables["Analysis"].store( Xa.A1 )
  68         #
  69         # Calcul de la fonction coût
  70         # --------------------------
  71         if self._parameters["StoreInternalVariables"] or "OMA" in self._parameters["StoreSupplementaryCalculations"]:
  72             oma = Y - Hm * Xa
  73         if self._parameters["StoreInternalVariables"]:
  74             Jb  = 0.
  75             Jo  = 0.5 * oma.T * RI * oma
  76             J   = float( Jb ) + float( Jo )
  77             self.StoredVariables["CostFunctionJb"].store( Jb )
  78             self.StoredVariables["CostFunctionJo"].store( Jo )
  79             self.StoredVariables["CostFunctionJ" ].store( J )
  80         #
  81         # Calculs et/ou stockages supplémentaires
  82         # ---------------------------------------
  83         if "OMA" in self._parameters["StoreSupplementaryCalculations"]:
  84             self.StoredVariables["OMA"].store( numpy.ravel(oma) )
  85         #
  86         logging.debug("%s Nombre d'évaluation(s) de l'opérateur d'observation direct/tangent/adjoint.: %i/%i/%i"%(self._name, HO["Direct"].nbcalls(0),HO["Tangent"].nbcalls(0),HO["Adjoint"].nbcalls(0)))
  87         logging.debug("%s Nombre d'appels au cache d'opérateur d'observation direct/tangent/adjoint..: %i/%i/%i"%(self._name, HO["Direct"].nbcalls(3),HO["Tangent"].nbcalls(3),HO["Adjoint"].nbcalls(3)))
  88         logging.debug("%s Taille mémoire utilisée de %.1f Mo"%(self._name, m.getUsedMemory("M")))
  89         logging.debug("%s Terminé"%self._name)
  90         #
  91         return 0
  92
  93 # ==============================================================================
  94 if __name__ == "__main__":
  95     print '\n AUTODIAGNOSTIC \n'