1 #-*-coding:iso-8859-1-*-
3 # Copyright (C) 2008-2014 EDF R&D
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.
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.
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
19 # See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
21 # Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
24 from daCore import BasicObjects
27 # ==============================================================================
28 class ElementaryAlgorithm(BasicObjects.Algorithm):
30 BasicObjects.Algorithm.__init__(self, "TANGENTTEST")
31 self.defineRequiredParameter(
32 name = "ResiduFormula",
35 message = "Formule de résidu utilisée",
38 self.defineRequiredParameter(
39 name = "EpsilonMinimumExponent",
42 message = "Exposant minimal en puissance de 10 pour le multiplicateur d'incrément",
46 self.defineRequiredParameter(
47 name = "InitialDirection",
50 message = "Direction initiale de la dérivée directionnelle autour du point nominal",
52 self.defineRequiredParameter(
53 name = "AmplitudeOfInitialDirection",
56 message = "Amplitude de la direction initiale de la dérivée directionnelle autour du point nominal",
58 self.defineRequiredParameter(
60 typecast = numpy.random.seed,
61 message = "Graine fixée pour le générateur aléatoire",
63 self.defineRequiredParameter(
67 message = "Titre du tableau et de la figure",
70 def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
73 # Paramètres de pilotage
74 # ----------------------
75 self.setParameters(Parameters)
79 Hm = HO["Direct"].appliedTo
80 Ht = HO["Tangent"].appliedInXTo
82 # Construction des perturbations
83 # ------------------------------
84 Perturbations = [ 10**i for i in xrange(self._parameters["EpsilonMinimumExponent"],1) ]
85 Perturbations.reverse()
87 # Calcul du point courant
88 # -----------------------
89 Xn = numpy.asmatrix(numpy.ravel( Xb )).T
90 FX = numpy.asmatrix(numpy.ravel( Hm( Xn ) )).T
91 NormeX = numpy.linalg.norm( Xn )
92 NormeFX = numpy.linalg.norm( FX )
94 # Fabrication de la direction de l'incrément dX
95 # ----------------------------------------------
96 if len(self._parameters["InitialDirection"]) == 0:
100 dX0.append( numpy.random.normal(0.,abs(v)) )
102 dX0.append( numpy.random.normal(0.,Xn.mean()) )
104 dX0 = numpy.ravel( self._parameters["InitialDirection"] )
106 dX0 = float(self._parameters["AmplitudeOfInitialDirection"]) * numpy.matrix( dX0 ).T
108 # Calcul du gradient au point courant X pour l'incrément dX
109 # qui est le tangent en X multiplié par dX
110 # ---------------------------------------------------------
111 GradFxdX = Ht( (Xn, dX0) )
112 GradFxdX = numpy.asmatrix(numpy.ravel( GradFxdX )).T
113 NormeGX = numpy.linalg.norm( GradFxdX )
115 # Entete des resultats
116 # --------------------
118 if self._parameters["ResiduFormula"] == "Taylor":
119 __entete = " i Alpha ||X|| ||F(X)|| | R(Alpha) |R-1|/Alpha "
121 On observe le résidu provenant du rapport d'incréments utilisant le
124 || F(X+Alpha*dX) - F(X) ||
125 R(Alpha) = -----------------------------
126 || Alpha * TangentF_X * dX ||
128 qui doit rester stable en 1+O(Alpha) jusqu'à ce que l'on atteigne la
131 Lorsque |R-1|/Alpha est inférieur ou égal à une valeur stable
132 lorsque Alpha varie, le tangent est valide, jusqu'à ce que l'on
133 atteigne la précision du calcul.
135 Si |R-1|/Alpha est très faible, le code F est vraisemblablement
136 linéaire ou quasi-linéaire, et le tangent est valide jusqu'à ce que
137 l'on atteigne la précision du calcul.
139 On prend dX0 = Normal(0,X) et dX = Alpha*dX0. F est le code de calcul.
142 if len(self._parameters["ResultTitle"]) > 0:
144 msgs += __marge + "====" + "="*len(self._parameters["ResultTitle"]) + "====\n"
145 msgs += __marge + " " + self._parameters["ResultTitle"] + "\n"
146 msgs += __marge + "====" + "="*len(self._parameters["ResultTitle"]) + "====\n"
151 __nbtirets = len(__entete)
152 msgs += "\n" + __marge + "-"*__nbtirets
153 msgs += "\n" + __marge + __entete
154 msgs += "\n" + __marge + "-"*__nbtirets
156 # Boucle sur les perturbations
157 # ----------------------------
158 for i,amplitude in enumerate(Perturbations):
161 if self._parameters["ResiduFormula"] == "Taylor":
162 FX_plus_dX = numpy.asmatrix(numpy.ravel( Hm( Xn + dX ) )).T
164 Residu = numpy.linalg.norm( FX_plus_dX - FX ) / (amplitude * NormeGX)
166 self.StoredVariables["CostFunctionJ"].store( Residu )
167 msg = " %2i %5.0e %9.3e %9.3e | %11.5e %5.1e"%(i,amplitude,NormeX,NormeFX,Residu,abs(Residu-1.)/amplitude)
168 msgs += "\n" + __marge + msg
170 msgs += "\n" + __marge + "-"*__nbtirets
173 # Sorties eventuelles
174 # -------------------
176 print "Results of tangent check by \"%s\" formula:"%self._parameters["ResiduFormula"]
182 # ==============================================================================
183 if __name__ == "__main__":
184 print '\n AUTODIAGNOSTIC \n'