src/daComposant/daAlgorithms/TangentTest.py

   1 # -*- coding: utf-8 -*-
   2 #
   3 # Copyright (C) 2008-2017 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 sys, logging
  24 from daCore import BasicObjects, PlatformInfo
  25 import numpy, math
  26 mpr = PlatformInfo.PlatformInfo().MachinePrecision()
  27 if sys.version_info.major > 2:
  28     unicode = str
  29
  30 # ==============================================================================
  31 class ElementaryAlgorithm(BasicObjects.Algorithm):
  32     def __init__(self):
  33         BasicObjects.Algorithm.__init__(self, "TANGENTTEST")
  34         self.defineRequiredParameter(
  35             name     = "ResiduFormula",
  36             default  = "Taylor",
  37             typecast = str,
  38             message  = "Formule de résidu utilisée",
  39             listval  = ["Taylor"],
  40             )
  41         self.defineRequiredParameter(
  42             name     = "EpsilonMinimumExponent",
  43             default  = -8,
  44             typecast = int,
  45             message  = "Exposant minimal en puissance de 10 pour le multiplicateur d'incrément",
  46             minval   = -20,
  47             maxval   = 0,
  48             )
  49         self.defineRequiredParameter(
  50             name     = "InitialDirection",
  51             default  = [],
  52             typecast = list,
  53             message  = "Direction initiale de la dérivée directionnelle autour du point nominal",
  54             )
  55         self.defineRequiredParameter(
  56             name     = "AmplitudeOfInitialDirection",
  57             default  = 1.,
  58             typecast = float,
  59             message  = "Amplitude de la direction initiale de la dérivée directionnelle autour du point nominal",
  60             )
  61         self.defineRequiredParameter(
  62             name     = "AmplitudeOfTangentPerturbation",
  63             default  = 1.e-2,
  64             typecast = float,
  65             message  = "Amplitude de la perturbation pour le calcul de la forme tangente",
  66             minval   = 1.e-10,
  67             maxval   = 1.,
  68             )
  69         self.defineRequiredParameter(
  70             name     = "SetSeed",
  71             typecast = numpy.random.seed,
  72             message  = "Graine fixée pour le générateur aléatoire",
  73             )
  74         self.defineRequiredParameter(
  75             name     = "ResultTitle",
  76             default  = "",
  77             typecast = str,
  78             message  = "Titre du tableau et de la figure",
  79             )
  80         self.defineRequiredParameter(
  81             name     = "StoreSupplementaryCalculations",
  82             default  = [],
  83             typecast = tuple,
  84             message  = "Liste de calculs supplémentaires à stocker et/ou effectuer",
  85             listval  = ["CurrentState", "Residu", "SimulatedObservationAtCurrentState"]
  86             )
  87
  88     def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
  89         self._pre_run(Parameters)
  90         #
  91         Hm = HO["Direct"].appliedTo
  92         Ht = HO["Tangent"].appliedInXTo
  93         #
  94         # Construction des perturbations
  95         # ------------------------------
  96         Perturbations = [ 10**i for i in range(self._parameters["EpsilonMinimumExponent"],1) ]
  97         Perturbations.reverse()
  98         #
  99         # Calcul du point courant
 100         # -----------------------
 101         Xn      = numpy.asmatrix(numpy.ravel( Xb )).T
 102         FX      = numpy.asmatrix(numpy.ravel( Hm( Xn ) )).T
 103         NormeX  = numpy.linalg.norm( Xn )
 104         NormeFX = numpy.linalg.norm( FX )
 105         if "CurrentState" in self._parameters["StoreSupplementaryCalculations"]:
 106             self.StoredVariables["CurrentState"].store( numpy.ravel(Xn) )
 107         if "SimulatedObservationAtCurrentState" in self._parameters["StoreSupplementaryCalculations"]:
 108             self.StoredVariables["SimulatedObservationAtCurrentState"].store( numpy.ravel(FX) )
 109         #
 110         # Fabrication de la direction de l'increment dX
 111         # ---------------------------------------------
 112         if len(self._parameters["InitialDirection"]) == 0:
 113             dX0 = []
 114             for v in Xn.A1:
 115                 if abs(v) > 1.e-8:
 116                     dX0.append( numpy.random.normal(0.,abs(v)) )
 117                 else:
 118                     dX0.append( numpy.random.normal(0.,Xn.mean()) )
 119         else:
 120             dX0 = numpy.ravel( self._parameters["InitialDirection"] )
 121         #
 122         dX0 = float(self._parameters["AmplitudeOfInitialDirection"]) * numpy.matrix( dX0 ).T
 123         #
 124         # Calcul du gradient au point courant X pour l'increment dX
 125         # qui est le tangent en X multiplie par dX
 126         # ---------------------------------------------------------
 127         dX1      = float(self._parameters["AmplitudeOfTangentPerturbation"]) * dX0
 128         GradFxdX = Ht( (Xn, dX1) )
 129         GradFxdX = numpy.asmatrix(numpy.ravel( GradFxdX )).T
 130         GradFxdX = float(1./self._parameters["AmplitudeOfTangentPerturbation"]) * GradFxdX
 131         NormeGX  = numpy.linalg.norm( GradFxdX )
 132         #
 133         # Entete des resultats
 134         # --------------------
 135         __marge =  12*u" "
 136         __precision = u"""
 137             Remarque : les nombres inferieurs a %.0e (environ) representent un zero
 138                        a la precision machine.\n"""%mpr
 139         if self._parameters["ResiduFormula"] == "Taylor":
 140             __entete = u"  i   Alpha     ||X||      ||F(X)||   |     R(Alpha)    |R-1|/Alpha  "
 141             __msgdoc = u"""
 142             On observe le residu provenant du rapport d'increments utilisant le
 143             lineaire tangent :
 144
 145                           || F(X+Alpha*dX) - F(X) ||
 146               R(Alpha) = -----------------------------
 147                          || Alpha * TangentF_X * dX ||
 148
 149             qui doit rester stable en 1+O(Alpha) jusqu'a ce que l'on atteigne la
 150             precision du calcul.
 151
 152             Lorsque |R-1|/Alpha est inferieur ou egal a une valeur stable
 153             lorsque Alpha varie, le tangent est valide, jusqu'a ce que l'on
 154             atteigne la precision du calcul.
 155
 156             Si |R-1|/Alpha est tres faible, le code F est vraisemblablement
 157             lineaire ou quasi-lineaire, et le tangent est valide jusqu'a ce que
 158             l'on atteigne la precision du calcul.
 159
 160             On prend dX0 = Normal(0,X) et dX = Alpha*dX0. F est le code de calcul.
 161             """ + __precision
 162         #
 163         if len(self._parameters["ResultTitle"]) > 0:
 164             __rt = unicode(self._parameters["ResultTitle"])
 165             msgs  = u"\n"
 166             msgs += __marge + "====" + "="*len(__rt) + "====\n"
 167             msgs += __marge + "    " + __rt + "\n"
 168             msgs += __marge + "====" + "="*len(__rt) + "====\n"
 169         else:
 170             msgs  = u""
 171         msgs += __msgdoc
 172         #
 173         __nbtirets = len(__entete)
 174         msgs += "\n" + __marge + "-"*__nbtirets
 175         msgs += "\n" + __marge + __entete
 176         msgs += "\n" + __marge + "-"*__nbtirets
 177         #
 178         # Boucle sur les perturbations
 179         # ----------------------------
 180         for i,amplitude in enumerate(Perturbations):
 181             dX      = amplitude * dX0
 182             #
 183             if self._parameters["ResiduFormula"] == "Taylor":
 184                 FX_plus_dX  = numpy.asmatrix(numpy.ravel( Hm( Xn + dX ) )).T
 185                 #
 186                 Residu = numpy.linalg.norm( FX_plus_dX - FX ) / (amplitude * NormeGX)
 187                 #
 188                 self.StoredVariables["Residu"].store( Residu )
 189                 msg = "  %2i  %5.0e   %9.3e   %9.3e   |   %11.5e    %5.1e"%(i,amplitude,NormeX,NormeFX,Residu,abs(Residu-1.)/amplitude)
 190                 msgs += "\n" + __marge + msg
 191         #
 192         msgs += "\n" + __marge + "-"*__nbtirets
 193         msgs += "\n"
 194         #
 195         # Sorties eventuelles
 196         # -------------------
 197         print("\nResults of tangent check by \"%s\" formula:"%self._parameters["ResiduFormula"])
 198         print(msgs)
 199         #
 200         self._post_run(HO)
 201         return 0
 202
 203 # ==============================================================================
 204 if __name__ == "__main__":
 205     print('\n AUTODIAGNOSTIC \n')