implement, and it is favorable to try them (in twin experiments or not) because
they solve many problems encountered in practice.
+
+.. _subsection_version_compatibility:
+.. index::
+ pair: Version ; SALOME
+ pair: Version ; EFICAS
+ pair: Version ; Python
+ pair: Version ; Numpy
+ pair: Version ; Scipy
+ pair: Version ; MatplotLib
+ pair: Version ; Gnuplot
+ pair: Version ; NLopt
+
+Versions of ADAO compatibility with support tools
+-------------------------------------------------
+
+.. include:: snippets/ModuleValidation.rst
+
+.. include:: snippets/ModuleCompatibility.rst
+
.. _subsection_new_adao_version:
+.. index::
+ pair: Version of ADAO ; Switching
Switching from a version of ADAO to a newer one
-----------------------------------------------
-.. index:: single: Version
-
The ADAO module and its ".comm" case files are identified by versions, with
"Major", "Minor", "Revision" and optionally "Installation" characteristics. A
particular version is numbered as "Major.Minor.Revision", with strong link with
the following part of this specific algorithmic documentation, in the
sub-section "*Information and variables available at the end of the
algorithm*"): [
+ "EnsembleOfSnapshots",
"OptimalPoints",
"ReducedBasis",
"Residus",
.. ------------------------------------ ..
.. include:: snippets/Header2Algo05.rst
+.. include:: snippets/EnsembleOfSnapshots.rst
+
.. include:: snippets/OptimalPoints.rst
.. include:: snippets/ReducedBasis.rst
--- /dev/null
+The compatibility of the module is furthermore checked against various versions
+of Python and support modules like Numpy and Scipy. The range of versions
+reached in the tests depends on their availability, and the tests are not
+systematically performed on all intermediate versions. For all tested versions,
+the ADAO module behaves identically (to the extent of modifications depending
+on the support tools). It is strongly discouraged (or impossible) to use ADAO
+with a version lower than the minimum version, and there is no limitation to
+the use of the ADAO module beyond the reached version (but this remains without
+guarantee).
+
+.. csv-table:: Support tool verification intervals for ADAO
+ :header: "Tool", "Minimal version", "Reached version"
+ :widths: 20, 10, 10
+
+ Python, 3.6.5, 3.10.8
+ Numpy, 1.14.3, 1.23.5
+ Scipy, 1.1.0, 1.9.3
+ MatplotLib, 2.2.2, 3.6.2
+ GnuplotPy, 1.8, 1.8
+ NLopt, 2.4.2, 2.7.1
--- /dev/null
+Each version of the ADAO module is validated within the framework of SALOME,
+and is therefore compatible with the environment implicitly defined by the
+|release| version of SALOME identical to that of ADAO. The validation versions
+are indicated here for information purposes only, knowing that, in case of
+doubt, the SALOME version sheet [Salome]_ is the official validation version.
+
+.. csv-table:: Validation versions of support tools for ADAO
+ :header: "Tool", "Version"
+ :widths: 20, 10
+
+ ADAO, |release|
+ EFICAS, |release|
+ SALOME, |release|
+ Python, 3.6.5
+ Numpy, 1.16.4
+ Scipy, 1.4.1
+ MatplotLib, 3.3.4
+ Gnuplot, 1.8
+ NLopt, 2.5.0
expériences jumelles ou pas) car ils résolvent de nombreux problèmes rencontrés
en pratique.
+.. _subsection_version_compatibility:
+.. index::
+ pair: Version ; SALOME
+ pair: Version ; EFICAS
+ pair: Version ; Python
+ pair: Version ; Numpy
+ pair: Version ; Scipy
+ pair: Version ; MatplotLib
+ pair: Version ; Gnuplot
+ pair: Version ; NLopt
+
+Versions de compatibilité d'ADAO avec les outils support
+--------------------------------------------------------
+
+.. include:: snippets/ModuleValidation.rst
+
+.. include:: snippets/ModuleCompatibility.rst
+
.. _subsection_new_adao_version:
+.. index::
+ pair: Version d'ADAO ; Changement de
Passer d'une version d'ADAO à une nouvelle
------------------------------------------
-.. index:: single: Version
-
Le module ADAO et ses fichiers de cas ".comm" sont identifiés par des versions,
avec des caractéristiques "Major", "Minor", "Revision" et optionnellement
"Installation". Une version particulière est numérotée "Major.Minor.Revision",
(la description détaillée de chaque variable nommée est donnée dans la suite
de cette documentation par algorithme spécifique, dans la sous-partie
"*Informations et variables disponibles à la fin de l'algorithme*") : [
+ "EnsembleOfSnapshots",
"OptimalPoints",
"ReducedBasis",
"Residus",
.. ------------------------------------ ..
.. include:: snippets/Header2Algo05.rst
+.. include:: snippets/EnsembleOfSnapshots.rst
+
.. include:: snippets/OptimalPoints.rst
.. include:: snippets/ReducedBasis.rst
--- /dev/null
+La compatibilité du module est de plus vérifiée par rapport à diverses versions
+de Python et des modules support comme Numpy et Scipy. L'étendue des versions
+atteintes lors des tests dépend de leur disponibilité, et les tests ne sont pas
+systématiques sur toutes les versions intermédiaires. Pour toutes les versions
+testées, le module ADAO se comporte de manière identique (dans la mesure de
+modifications dépendant des outils support). Il est fortement déconseillé (ou
+impossible) d'utiliser ADAO avec une version inférieure à la version minimale,
+et il n'y a pas de limitation à l'utilisation du module ADAO au-delà au-delà de
+la version atteinte (mais cela reste sans garantie).
+
+.. csv-table:: Intervalles de vérification des outils support pour ADAO
+ :header: "Outil", "Version minimale", "Version atteinte"
+ :widths: 20, 10, 10
+
+ Python, 3.6.5, 3.10.8
+ Numpy, 1.14.3, 1.23.5
+ Scipy, 1.1.0, 1.9.3
+ MatplotLib, 2.2.2, 3.6.2
+ GnuplotPy, 1.8, 1.8
+ NLopt, 2.4.2, 2.7.1
--- /dev/null
+Chaque version du module ADAO est validée dans le cadre de SALOME, et elle est
+donc compatible avec l'environnement implicitement défini par la version
+|release| de SALOME identique à celle d'ADAO. Les versions de validation sont
+indiquées ici pour information uniquement sachant que, en cas de doute, c'est
+la fiche de version de SALOME [Salome]_ qui fait foi pour les versions
+officielles de validation.
+
+.. csv-table:: Versions de validation des outils support pour ADAO
+ :header: "Outil", "Version"
+ :widths: 20, 10
+
+ ADAO, |release|
+ EFICAS, |release|
+ SALOME, |release|
+ Python, 3.6.5
+ Numpy, 1.16.4
+ Scipy, 1.4.1
+ MatplotLib, 3.3.4
+ Gnuplot, 1.8
+ NLopt, 2.5.0
elif isinstance(selfA._parameters["EnsembleOfSnapshots"], (list,tuple)):
__EOS = numpy.asarray(selfA._parameters["EnsembleOfSnapshots"]).T
else:
- raise ValueError("EnsembleOfSnapshots has to be an array/matrix (each column is a snapshot vector) or a list/tuple (each element is a snapshot vector).")
+ raise ValueError("EnsembleOfSnapshots has to be an array/matrix (each column being a vector) or a list/tuple (each element being a vector).")
#
if selfA._parameters["ErrorNorm"] == "L2":
MaxNormByColumn = MaxL2NormByColumn
typecast = tuple,
message = "Liste de calculs supplémentaires à stocker et/ou effectuer",
listval = [
+ "EnsembleOfSnapshots",
"OptimalPoints",
"ReducedBasis",
"Residus",
#--------------------------
if self._parameters["Variant"] == "PositioningBylcEIM":
if len(self._parameters["EnsembleOfSnapshots"]) > 0:
+ if self._toStore("EnsembleOfSnapshots"):
+ self.StoredVariables["EnsembleOfSnapshots"].store( self._parameters["EnsembleOfSnapshots"] )
ecweim.EIM_offline(self)
else:
raise ValueError("Snapshots have to be given in order to launch the positionning analysis")
#
elif self._parameters["Variant"] == "PositioningByEIM":
if len(self._parameters["EnsembleOfSnapshots"]) > 0:
+ if self._toStore("EnsembleOfSnapshots"):
+ self.StoredVariables["EnsembleOfSnapshots"].store( self._parameters["EnsembleOfSnapshots"] )
ecweim.EIM_offline(self)
else:
raise ValueError("Snapshots have to be given in order to launch the positionning analysis")
- CurrentOptimum : état optimal courant lors d'itérations
- CurrentState : état courant lors d'itérations
- CurrentStepNumber : pas courant d'avancement dans les algorithmes en évolution, à partir de 0
+ - EnsembleOfSnapshots : ensemble d'états rangés par colonne dans une matrice
- ForecastCovariance : covariance de l'état prédit courant lors d'itérations
- ForecastState : état prédit courant lors d'itérations
- GradientOfCostFunctionJ : gradient de la fonction-coût globale
self.StoredVariables["CurrentOptimum"] = Persistence.OneVector(name = "CurrentOptimum")
self.StoredVariables["CurrentState"] = Persistence.OneVector(name = "CurrentState")
self.StoredVariables["CurrentStepNumber"] = Persistence.OneIndex(name = "CurrentStepNumber")
+ self.StoredVariables["EnsembleOfSnapshots"] = Persistence.OneMatrix(name = "EnsembleOfSnapshots")
self.StoredVariables["ForecastCovariance"] = Persistence.OneMatrix(name = "ForecastCovariance")
self.StoredVariables["ForecastState"] = Persistence.OneVector(name = "ForecastState")
self.StoredVariables["GradientOfCostFunctionJ"] = Persistence.OneVector(name = "GradientOfCostFunctionJ")
if __content is not None:
for command in __content:
self._append(*command)
+ #
def _append(self, __command=None, __keys=None, __local=None, __pre=None, __switchoff=False):
"Transformation d'une commande individuelle en un enregistrement"
if __command == "set": __command = __local["Concept"]
if __text is not None: self._addLine(__text)
if not __switchoff:
self._switchoff = False
+ #
def _finalize(self, *__args):
self.__loadVariablesByScript()
if self.__DebugCommandNotSet:
self._addLine("xa=ADD.get('Analysis')[-1]")
self._addLine("print('Analysis:',xa)\"\"\"")
self._addLine("study_config['UserPostAnalysis'] = Analysis_config")
+ #
def __loadVariablesByScript(self):
__ExecVariables = {} # Necessaire pour recuperer la variable
exec("\n".join(self._lineSerie), __ExecVariables)
"""
Etablissement des commandes d'un cas YACS (Cas->SCD->YACS)
"""
- __slots__ = ("__internalSCD")
+ __slots__ = ("__internalSCD", "_append")
#
def __init__(self, __name="", __objname="case", __content=None, __object=None):
"Initialisation et enregistrement de l'entete"
if pause:
eval(input('Please press return to continue...\n'))
+ # ---------------------------------------------------------
+ def s2mvr(self):
+ """
+ Renvoie la série sous la forme d'une unique matrice avec les données au
+ pas rangées par ligne
+ """
+ try:
+ return numpy.asarray(self.__values)
+ except Exception:
+ raise TypeError("Base type is incompatible with numpy")
+
+ def s2mvc(self):
+ """
+ Renvoie la série sous la forme d'une unique matrice avec les données au
+ pas rangées par colonne
+ """
+ try:
+ return numpy.asarray(self.__values).transpose()
+ except Exception:
+ raise TypeError("Base type is incompatible with numpy")
+
# ---------------------------------------------------------
def setDataObserver(self, HookFunction = None, HookParameters = None, Scheduler = None):
"""
