src/daComposant/daAlgorithms/MeasurementsOptimalPositioningTask.py

   1 # -*- coding: utf-8 -*-
   2 #
   3 # Copyright (C) 2008-2023 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 numpy
  24 from daCore import BasicObjects
  25 from daAlgorithms.Atoms import ecweim
  26 from daAlgorithms.Atoms import eosg
  27
  28 # ==============================================================================
  29 class ElementaryAlgorithm(BasicObjects.Algorithm):
  30     def __init__(self):
  31         BasicObjects.Algorithm.__init__(self, "MEASUREMENTSOPTIMALPOSITIONING")
  32         self.defineRequiredParameter(
  33             name     = "Variant",
  34             default  = "PositioningBylcEIM",
  35             typecast = str,
  36             message  = "Variant ou formulation de la méthode",
  37             listval  = [
  38                 "PositioningByEIM",
  39                 "PositioningBylcEIM",
  40                 ],
  41             )
  42         self.defineRequiredParameter(
  43             name     = "EnsembleOfSnapshots",
  44             default  = [],
  45             typecast = numpy.array,
  46             message  = "Ensemble de vecteurs d'état physique (snapshots), 1 état par colonne",
  47             )
  48         self.defineRequiredParameter(
  49             name     = "MaximumNumberOfLocations",
  50             default  = 1,
  51             typecast = int,
  52             message  = "Nombre maximal de positions",
  53             minval   = 0,
  54             )
  55         self.defineRequiredParameter(
  56             name     = "ExcludeLocations",
  57             default  = [],
  58             typecast = tuple,
  59             message  = "Liste des positions exclues selon la numérotation interne d'un snapshot",
  60             minval   = -1,
  61             )
  62         self.defineRequiredParameter(
  63             name     = "ErrorNorm",
  64             default  = "L2",
  65             typecast = str,
  66             message  = "Norme d'erreur utilisée pour le critère d'optimalité des positions",
  67             listval  = ["L2", "Linf"]
  68             )
  69         self.defineRequiredParameter(
  70             name     = "ErrorNormTolerance",
  71             default  = 1.e-7,
  72             typecast = float,
  73             message  = "Valeur limite inférieure du critère d'optimalité forçant l'arrêt",
  74             minval   = 0.,
  75             )
  76         self.defineRequiredParameter(
  77             name     = "SampleAsnUplet",
  78             default  = [],
  79             typecast = tuple,
  80             message  = "Points de calcul définis par une liste de n-uplet",
  81             )
  82         self.defineRequiredParameter(
  83             name     = "SampleAsExplicitHyperCube",
  84             default  = [],
  85             typecast = tuple,
  86             message  = "Points de calcul définis par un hyper-cube dont on donne la liste des échantillonnages de chaque variable comme une liste",
  87             )
  88         self.defineRequiredParameter(
  89             name     = "SampleAsMinMaxStepHyperCube",
  90             default  = [],
  91             typecast = tuple,
  92             message  = "Points de calcul définis par un hyper-cube dont on donne la liste des échantillonnages de chaque variable par un triplet [min,max,step]",
  93             )
  94         self.defineRequiredParameter(
  95             name     = "SampleAsIndependantRandomVariables",
  96             default  = [],
  97             typecast = tuple,
  98             message  = "Points de calcul définis par un hyper-cube dont les points sur chaque axe proviennent de l'échantillonnage indépendant de la variable selon la spécification ['distribution',[parametres],nombre]",
  99             )
 100         self.defineRequiredParameter(
 101             name     = "SetDebug",
 102             default  = False,
 103             typecast = bool,
 104             message  = "Activation du mode debug lors de l'exécution",
 105             )
 106         self.defineRequiredParameter(
 107             name     = "StoreSupplementaryCalculations",
 108             default  = [],
 109             typecast = tuple,
 110             message  = "Liste de calculs supplémentaires à stocker et/ou effectuer",
 111             listval  = [
 112                 "EnsembleOfSimulations",
 113                 "EnsembleOfStates",
 114                 "OptimalPoints",
 115                 "ReducedBasis",
 116                 "Residus",
 117                 ]
 118             )
 119         self.defineRequiredParameter(
 120             name     = "SetSeed",
 121             typecast = numpy.random.seed,
 122             message  = "Graine fixée pour le générateur aléatoire",
 123             )
 124         self.requireInputArguments(
 125             mandatory= (),
 126             optional = ("Xb", "HO"),
 127             )
 128         self.setAttributes(tags=(
 129             "Reduction",
 130             ))
 131
 132     def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
 133         self._pre_run(Parameters, Xb, Y, U, HO, EM, CM, R, B, Q)
 134         #
 135         #--------------------------
 136         if   self._parameters["Variant"] == "PositioningBylcEIM":
 137             if len(self._parameters["EnsembleOfSnapshots"]) > 0:
 138                 if self._toStore("EnsembleOfSimulations"):
 139                     self.StoredVariables["EnsembleOfSimulations"].store( self._parameters["EnsembleOfSnapshots"] )
 140                 ecweim.EIM_offline(self, self._parameters["EnsembleOfSnapshots"])
 141             elif isinstance(HO, dict):
 142                 ecweim.EIM_offline(self, eosg.eosg(self, Xb, HO))
 143             else:
 144                 raise ValueError("Snapshots or Operator have to be given in order to launch the analysis")
 145         #
 146         elif self._parameters["Variant"] == "PositioningByEIM":
 147             if len(self._parameters["EnsembleOfSnapshots"]) > 0:
 148                 if self._toStore("EnsembleOfSimulations"):
 149                     self.StoredVariables["EnsembleOfSimulations"].store( self._parameters["EnsembleOfSnapshots"] )
 150                 ecweim.EIM_offline(self, self._parameters["EnsembleOfSnapshots"])
 151             elif isinstance(HO, dict):
 152                 ecweim.EIM_offline(self, eosg.eosg(self, Xb, HO))
 153             else:
 154                 raise ValueError("Snapshots or Operator have to be given in order to launch the analysis")
 155         #
 156         #--------------------------
 157         else:
 158             raise ValueError("Error in Variant name: %s"%self._parameters["Variant"])
 159         #
 160         self._post_run(HO)
 161         return 0
 162
 163 # ==============================================================================
 164 if __name__ == "__main__":
 165     print('\n AUTODIAGNOSTIC\n')