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, eosg
  26
  27 # ==============================================================================
  28 class ElementaryAlgorithm(BasicObjects.Algorithm):
  29     def __init__(self):
  30         BasicObjects.Algorithm.__init__(self, "MEASUREMENTSOPTIMALPOSITIONING")
  31         self.defineRequiredParameter(
  32             name     = "Variant",
  33             default  = "PositioningBylcEIM",
  34             typecast = str,
  35             message  = "Variant ou formulation de la méthode",
  36             listval  = [
  37                 "PositioningByEIM",
  38                 "PositioningBylcEIM",
  39                 ],
  40             )
  41         self.defineRequiredParameter(
  42             name     = "EnsembleOfSnapshots",
  43             default  = [],
  44             typecast = numpy.array,
  45             message  = "Ensemble de vecteurs d'état physique (snapshots), 1 état par colonne",
  46             )
  47         self.defineRequiredParameter(
  48             name     = "MaximumNumberOfLocations",
  49             default  = 1,
  50             typecast = int,
  51             message  = "Nombre maximal de positions",
  52             minval   = 0,
  53             )
  54         self.defineRequiredParameter(
  55             name     = "ExcludeLocations",
  56             default  = [],
  57             typecast = tuple,
  58             message  = "Liste des indices ou noms de positions exclues selon l'ordre interne d'un snapshot",
  59             )
  60         self.defineRequiredParameter(
  61             name     = "NameOfLocations",
  62             default  = [],
  63             typecast = tuple,
  64             message  = "Liste des noms de positions selon l'ordre interne d'un snapshot",
  65             )
  66         self.defineRequiredParameter(
  67             name     = "ErrorNorm",
  68             default  = "L2",
  69             typecast = str,
  70             message  = "Norme d'erreur utilisée pour le critère d'optimalité des positions",
  71             listval  = ["L2", "Linf"]
  72             )
  73         self.defineRequiredParameter(
  74             name     = "ErrorNormTolerance",
  75             default  = 1.e-7,
  76             typecast = float,
  77             message  = "Valeur limite inférieure du critère d'optimalité forçant l'arrêt",
  78             minval   = 0.,
  79             )
  80         self.defineRequiredParameter(
  81             name     = "SampleAsnUplet",
  82             default  = [],
  83             typecast = tuple,
  84             message  = "Points de calcul définis par une liste de n-uplet",
  85             )
  86         self.defineRequiredParameter(
  87             name     = "SampleAsExplicitHyperCube",
  88             default  = [],
  89             typecast = tuple,
  90             message  = "Points de calcul définis par un hyper-cube dont on donne la liste des échantillonnages de chaque variable comme une liste",
  91             )
  92         self.defineRequiredParameter(
  93             name     = "SampleAsMinMaxStepHyperCube",
  94             default  = [],
  95             typecast = tuple,
  96             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]",
  97             )
  98         self.defineRequiredParameter(
  99             name     = "SampleAsIndependantRandomVariables",
 100             default  = [],
 101             typecast = tuple,
 102             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]",
 103             )
 104         self.defineRequiredParameter(
 105             name     = "SetDebug",
 106             default  = False,
 107             typecast = bool,
 108             message  = "Activation du mode debug lors de l'exécution",
 109             )
 110         self.defineRequiredParameter(
 111             name     = "StoreSupplementaryCalculations",
 112             default  = [],
 113             typecast = tuple,
 114             message  = "Liste de calculs supplémentaires à stocker et/ou effectuer",
 115             listval  = [
 116                 "EnsembleOfSimulations",
 117                 "EnsembleOfStates",
 118                 "ExcludedPoints",
 119                 "OptimalPoints",
 120                 "ReducedBasis",
 121                 "Residus",
 122                 ]
 123             )
 124         self.defineRequiredParameter(
 125             name     = "SetSeed",
 126             typecast = numpy.random.seed,
 127             message  = "Graine fixée pour le générateur aléatoire",
 128             )
 129         self.requireInputArguments(
 130             mandatory= (),
 131             optional = ("Xb", "HO"),
 132             )
 133         self.setAttributes(tags=(
 134             "Reduction",
 135             "Checking",
 136             ))
 137
 138     def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
 139         self._pre_run(Parameters, Xb, Y, U, HO, EM, CM, R, B, Q)
 140         #
 141         #--------------------------
 142         if   self._parameters["Variant"] == "PositioningBylcEIM":
 143             if len(self._parameters["EnsembleOfSnapshots"]) > 0:
 144                 if self._toStore("EnsembleOfSimulations"):
 145                     self.StoredVariables["EnsembleOfSimulations"].store( self._parameters["EnsembleOfSnapshots"] )
 146                 ecweim.EIM_offline(self, self._parameters["EnsembleOfSnapshots"])
 147             elif isinstance(HO, dict):
 148                 ecweim.EIM_offline(self, eosg.eosg(self, Xb, HO))
 149             else:
 150                 raise ValueError("Snapshots or Operator have to be given in order to launch the analysis")
 151         #
 152         elif self._parameters["Variant"] == "PositioningByEIM":
 153             if len(self._parameters["EnsembleOfSnapshots"]) > 0:
 154                 if self._toStore("EnsembleOfSimulations"):
 155                     self.StoredVariables["EnsembleOfSimulations"].store( self._parameters["EnsembleOfSnapshots"] )
 156                 ecweim.EIM_offline(self, self._parameters["EnsembleOfSnapshots"])
 157             elif isinstance(HO, dict):
 158                 ecweim.EIM_offline(self, eosg.eosg(self, Xb, HO))
 159             else:
 160                 raise ValueError("Snapshots or Operator have to be given in order to launch the analysis")
 161         #
 162         #--------------------------
 163         else:
 164             raise ValueError("Error in Variant name: %s"%self._parameters["Variant"])
 165         #
 166         self._post_run(HO)
 167         return 0
 168
 169 # ==============================================================================
 170 if __name__ == "__main__":
 171     print('\n AUTODIAGNOSTIC\n')