The sampling of the states :math:`\mathbf{x}` can be given explicitly or under
form of hypercubes, explicit or sampled according to classic distributions, or
using Latin hypercube sampling (LHS). The computations are optimized according
-to the computer resources available and the options requested by the user.
-Beware of the size of the hypercube (and then to the number of computations)
-that can be reached, it can grow quickly to be quite large. When a state is not
-observable, a *"NaN"* value is returned.
+to the computer resources available and the options requested by the user. You
+can refer to the :ref:`section_ref_sampling_requirements` for an illustration
+of sampling. Beware of the size of the hypercube (and then to the number of
+computations) that can be reached, it can grow quickly to be quite large. When
+a state is not observable, a *"NaN"* value is returned.
To be visible by the user while reducing the risk of storage difficulties, the
results of sampling or simulations has to be **explicitly** asked for using the
under form of hypercubes, explicit or sampled according to classic
distributions, or using Latin hypercube sampling (LHS). The computations are
optimized according to the computer resources available and the options
-requested by the user. Beware of the size of the hypercube (and then to the
-number of computations) that can be reached, it can grow quickly to be quite
-large.
+requested by the user. You can refer to the
+:ref:`section_ref_sampling_requirements` for an illustration of sampling.
+Beware of the size of the hypercube (and then to the number of computations)
+that can be reached, it can grow quickly to be quite large.
.. _mop_determination:
.. image:: images/mop_determination.png
The sampling of the states :math:`\mathbf{x}` can be given explicitly or under
form of hypercubes, explicit or sampled according to classic distributions, or
using Latin hypercube sampling (LHS). The computations are optimized according
-to the computer resources available and the options requested by the user.
-Beware of the size of the hypercube (and then to the number of computations)
-that can be reached, it can grow quickly to be quite large. When a state is not
-observable, a *"NaN"* value is returned.
+to the computer resources available and the options requested by the user. You
+can refer to the :ref:`section_ref_sampling_requirements` for an illustration
+of sampling. Beware of the size of the hypercube (and then to the number of
+computations) that can be reached, it can grow quickly to be quite large. When
+a state is not observable, a *"NaN"* value is returned.
It is also possible to supply a set of simulations :math:`\mathbf{y}` already
established elsewhere (so there's no explicit need for an operator
--- /dev/null
+..
+ Copyright (C) 2008-2023 EDF R&D
+
+ This file is part of SALOME ADAO module.
+
+ This library is free software; you can redistribute it and/or
+ modify it under the terms of the GNU Lesser General Public
+ License as published by the Free Software Foundation; either
+ version 2.1 of the License, or (at your option) any later version.
+
+ This library is distributed in the hope that it will be useful,
+ but WITHOUT ANY WARRANTY; without even the implied warranty of
+ MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
+ Lesser General Public License for more details.
+
+ You should have received a copy of the GNU Lesser General Public
+ License along with this library; if not, write to the Free Software
+ Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA
+
+ See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
+
+ Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
+
+.. _section_ref_sampling_requirements:
+
+Requirements for describing a state sampling
+--------------------------------------------
+
+.. index:: single: SamplingTest
+.. index:: single: State sampling
+.. index:: single: Sampling
+
+In general, it is useful to have a sampling of states when you are interested
+in analyses that benefit from knowledge of a set of simulations or a set of
+similar measurements, but each obtained for a different state.
+
+This is the case for the explicit definition of simulatable states of
+:ref:`section_ref_algorithm_SamplingTest`,
+:ref:`section_ref_algorithm_EnsembleOfSimulationGenerationTask` and
+:ref:`section_ref_algorithm_MeasurementsOptimalPositioningTask`.
+
+All these states can be described explicitly or implicitly, to simplify their
+listing. Possible descriptions are given below, followed by very simple
+examples to show the types of state distribution obtained in the space.
+
+Explicit or implicit description of the state sampling collection
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
+
+The state sampling collection can be described using dedicated keywords in the
+command set of an algorithm that requires it.
+
+State sampling :math:`\mathbf{x}` can be provided explicitly or in the form of
+hypercubes, explicit or sampled according to common distributions, or using
+Latin Hypercube Sampling (LHS).
+
+These possible keywords are:
+
+.. include:: snippets/SampleAsExplicitHyperCube.rst
+
+.. include:: snippets/SampleAsIndependantRandomVariables.rst
+
+.. include:: snippets/SampleAsMinMaxLatinHyperCube.rst
+
+.. include:: snippets/SampleAsMinMaxStepHyperCube.rst
+
+.. include:: snippets/SampleAsnUplet.rst
+
+Beware of the size of the hypercube (and then to the number of computations)
+that can be reached, it can grow quickly to be quite large.
+
+Simple examples of state-space distributions
+++++++++++++++++++++++++++++++++++++++++++++
+
+To illustrate the commands, we propose here simple state distributions obtained
+in a 2-dimensional state space (to be representable), and the commands that
+enable them to be obtained. We arbitrarily choose to place 25 states in each
+case. In most of the commands, since the states are described separately
+according to each coordinate, 5 coordinate values are requested per axis.
+
+The first three keywords illustrate the same distribution, as they are simply
+different ways of describing it.
+
+Explicit state distribution by keyword "*SampleAsnUplet*"
+.........................................................
+
+Explicit sample generation command by "*SampleAsnUplet*" is as follows:
+
+.. code-block:: python
+
+ [...]
+ "SampleAsnUplet":[[0, 0], [0, 1], [0, 2], [0, 3], [0, 4],
+ [1, 0], [1, 1], [1, 2], [1, 3], [1, 4],
+ [2, 0], [2, 1], [2, 2], [2, 3], [2, 4],
+ [3, 0], [3, 1], [3, 2], [3, 3], [3, 4],
+ [4, 0], [4, 1], [4, 2], [4, 3], [4, 4]]
+ [...]
+
+La répartition des états ainsi décrite correspond à l'illustration :
+
+ .. image:: images/sampling_01_SampleAsnUplet.png
+ :align: center
+
+Implicit state distribution by keyword "*SampleAsExplicitHyperCube*"
+....................................................................
+
+Implicit sample generation command by "*SampleAsExplicitHyperCube*" is as
+follows:
+
+.. code-block:: python
+
+ [...]
+ "SampleAsExplicitHyperCube":[[0, 1, 2, 3, 4], [0, 1, 2, 3, 4]]
+ # ou
+ "SampleAsExplicitHyperCube":[range(0, 5), range(0, 5)]
+ [...]
+
+The distribution of states thus described corresponds to the illustration:
+
+ .. image:: images/sampling_02_SampleAsExplicitHyperCube.png
+ :align: center
+
+Implicit state distribution by keyword "*SampleAsMinMaxStepHyperCube*"
+......................................................................
+
+Implicit sample generation command by "*SampleAsMinMaxStepHyperCube*" is as
+follows:
+
+.. code-block:: python
+
+ [...]
+ "SampleAsMinMaxStepHyperCube":[[0, 4, 1], [0, 4, 1]]
+ [...]
+
+The distribution of states thus described corresponds to the illustration:
+
+ .. image:: images/sampling_03_SampleAsMinMaxStepHyperCube.png
+ :align: center
+
+Implicit state distribution by keyword "*SampleAsMinMaxLatinHyperCube*"
+.......................................................................
+
+Implicit sample generation command by "*SampleAsMinMaxLatinHyperCube*" is as
+follows:
+
+.. code-block:: python
+
+ [...]
+ "SampleAsMinMaxLatinHyperCube":[[0, 4], [0, 4], [2, 25]]
+ [...]
+
+The distribution of states thus described corresponds to the illustration:
+
+ .. image:: images/sampling_04_SampleAsMinMaxLatinHyperCube.png
+ :align: center
+
+Implicit state distribution by keyword "*SampleAsIndependantRandomVariables*" with normal law
+.............................................................................................
+
+Implicit sample generation command by "*SampleAsIndependantRandomVariables*" is as
+follows, using a normal distribution (0,1) by coordinate:
+
+.. code-block:: python
+
+ [...]
+ "SampleAsIndependantRandomVariables":[['normal', [0, 1], 5], ['normal', [0, 1], 5]]
+ [...]
+
+The distribution of states thus described corresponds to the illustration:
+
+ .. image:: images/sampling_05_SampleAsIndependantRandomVariables_normal.png
+ :align: center
+
+Implicit state distribution by keyword "*SampleAsIndependantRandomVariables*" with uniform law
+..............................................................................................
+
+Implicit sample generation command by "*SampleAsIndependantRandomVariables*" is
+as follows, using a uniform distribution between 0 and 5 for coordinate
+distribution:
+
+.. code-block:: python
+
+ [...]
+ "SampleAsIndependantRandomVariables":[['uniform', [0, 5], 5], ['uniform', [0, 5], 5]]
+ [...]
+
+The distribution of states thus described corresponds to the illustration:
+
+ .. image:: images/sampling_06_SampleAsIndependantRandomVariables_uniform.png
+ :align: center
+
+Implicit state distribution by keyword "*SampleAsIndependantRandomVariables*" with Weibull law
+..............................................................................................
+
+Implicit sample generation command by "*SampleAsIndependantRandomVariables*" is
+as follows, using a 1-parameter Weibull distribution of value 5 for coordinate
+distribution:
+
+.. code-block:: python
+
+ [...]
+ "SampleAsIndependantRandomVariables":[['weibull', [5], 5], ['weibull', [5], 5]]
+ [...]
+
+The distribution of states thus described corresponds to the illustration:
+
+ .. image:: images/sampling_07_SampleAsIndependantRandomVariables_weibull.png
+ :align: center
ref_observations_requirements
ref_operator_requirements
ref_covariance_requirements
+ ref_sampling_requirements
ref_observers_requirements
ref_userpostanalysis_requirements
Python, 3.6.5, 3.11.6
Numpy, 1.14.3, 1.26.0
Scipy, 0.19.1, 1.11.3
- MatplotLib, 2.2.2, 3.8.0
+ MatplotLib, 2.2.2, 3.8.1
GnuplotPy, 1.8, 1.8
NLopt, 2.4.2, 2.7.1
"LeastSquares" <=> "LS" <=> "L2",
"AbsoluteValue" <=> "L1",
"MaximumError" <=> "ME" <=> "Linf"].
+ See the section for :ref:`section_theory_optimization` to have a detailed
+ definition of these quality criteria.
Example:
``{"QualityCriterion":"DA"}``
list. That is then a list of lists, each of them being potentially of
different size.
- Example : ``{"SampleAsExplicitHyperCube":[[0.,0.25,0.5,0.75,1.], [-2,2,1]]}`` for a state space of dimension 2
+ Example : ``{"SampleAsExplicitHyperCube":[[0.,0.25,0.5,0.75,1.], [-2,2,1]]}`` for a state space of dimension 2.
the one of the state.
Example :
- ``{"SampleAsIndependantRandomVariables":[ ['normal',[0.,1.],3], ['uniform',[-2,2],4]]`` for a state space of dimension 2
+ ``{"SampleAsIndependantRandomVariables":[['normal',[0.,1.],3], ['uniform',[-2,2],4]]}`` for a state space of dimension 2.
using the Latin hypercube method (LHS).
Example :
- ``{"SampleAsMinMaxLatinHyperCube":[[0.,1.],[-1,3]]+[[2,11]]}`` for a state space of dimension 2 and 11 sampling points
+ ``{"SampleAsMinMaxLatinHyperCube":[[0.,1.],[-1,3]]+[[2,11]]}`` for a state space of dimension 2 and 11 sampling points.
of the state. The bounds are included.
Example :
- ``{"SampleAsMinMaxStepHyperCube":[[0.,1.,0.25],[-1,3,1]]}`` for a state space of dimension 2
+ ``{"SampleAsMinMaxStepHyperCube":[[0.,1.,0.25],[-1,3,1]]}`` for a state space of dimension 2.
n-uplets, each n-uplet being a state.
Example :
- ``{"SampleAsnUplet":[[0,1,2,3],[4,3,2,1],[-2,3,-4,5]]}`` for 3 points in a state space of dimension 4
+ ``{"SampleAsnUplet":[[0,1,2,3],[4,3,2,1],[-2,3,-4,5]]}`` for 3 points in a state space of dimension 4.
ou sous la forme d'hypercubes, explicites ou échantillonnés selon des
distributions courantes, ou à l'aide d'un échantillonnage par hypercube latin
(LHS). Les calculs sont optimisés selon les ressources informatiques
-disponibles et les options demandées par l'utilisateur. Attention à la taille
-de l'hypercube (et donc au nombre de calculs) qu'il est possible d'atteindre,
-elle peut rapidement devenir importante. Lorsqu'un état n'est pas observable,
-une valeur *"NaN"* est retournée.
+disponibles et les options demandées par l'utilisateur. On pourra se reporter
+aux :ref:`section_ref_sampling_requirements` pour une illustration de
+l'échantillonnage. Attention à la taille de l'hypercube (et donc au nombre de
+calculs) qu'il est possible d'atteindre, elle peut rapidement devenir
+importante. Lorsqu'un état n'est pas observable, une valeur *"NaN"* est
+retournée.
Pour apparaître pour l'utilisateur tout en réduisant les difficultés de
stockage, les résultats de l'échantillonnage ou des simulations doivent être
ou sous la forme d'hypercubes, explicites ou échantillonnés selon des
distributions courantes, ou à l'aide d'un échantillonnage par hypercube latin
(LHS). Les calculs sont optimisés selon les ressources informatiques
-disponibles et les options demandées par l'utilisateur. Attention à la taille
-de l'hypercube (et donc au nombre de calculs) qu'il est possible d'atteindre,
-elle peut rapidement devenir importante.
+disponibles et les options demandées par l'utilisateur. On pourra se reporter
+aux :ref:`section_ref_sampling_requirements` pour une illustration de
+l'échantillonnage. Attention à la taille de l'hypercube (et donc au nombre de
+calculs) qu'il est possible d'atteindre, elle peut rapidement devenir
+importante.
.. _mop_determination:
.. image:: images/mop_determination.png
ou sous la forme d'hypercubes, explicites ou échantillonnés selon des
distributions courantes, ou à l'aide d'un échantillonnage par hypercube latin
(LHS). Les calculs sont optimisés selon les ressources informatiques
-disponibles et les options demandées par l'utilisateur. Attention à la taille
-de l'hypercube (et donc au nombre de calculs) qu'il est possible d'atteindre,
-elle peut rapidement devenir importante. Lorsqu'un état n'est pas observable,
-une valeur *"NaN"* est retournée.
+disponibles et les options demandées par l'utilisateur. On pourra se reporter
+aux :ref:`section_ref_sampling_requirements` pour une illustration de
+l'échantillonnage. Attention à la taille de l'hypercube (et donc au nombre de
+calculs) qu'il est possible d'atteindre, elle peut rapidement devenir
+importante. Lorsqu'un état n'est pas observable, une valeur *"NaN"* est
+retournée.
Il est aussi possible de fournir un ensemble de simulations :math:`\mathbf{y}`
déjà établies par ailleurs (donc sans besoin explicite d'un opérateur
--- /dev/null
+..
+ Copyright (C) 2008-2023 EDF R&D
+
+ This file is part of SALOME ADAO module.
+
+ This library is free software; you can redistribute it and/or
+ modify it under the terms of the GNU Lesser General Public
+ License as published by the Free Software Foundation; either
+ version 2.1 of the License, or (at your option) any later version.
+
+ This library is distributed in the hope that it will be useful,
+ but WITHOUT ANY WARRANTY; without even the implied warranty of
+ MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
+ Lesser General Public License for more details.
+
+ You should have received a copy of the GNU Lesser General Public
+ License along with this library; if not, write to the Free Software
+ Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA
+
+ See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
+
+ Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
+
+.. _section_ref_sampling_requirements:
+
+Conditions requises pour décrire un échantillonnage d'états
+-----------------------------------------------------------
+
+.. index:: single: SamplingTest
+.. index:: single: Echantillonnage d'états
+.. index:: single: Echantillonnage
+
+De manière générale, il est utile de disposer d'un échantillonnage des états
+lorsque l'on s'intéresse à des analyses qui bénéficient de la connaissance d'un
+ensemble de simulations ou d'un ensemble de mesures similaires, mais chacune
+obtenue pour un état différent.
+
+C'est le cas pour la définition explicite des états simulables des
+:ref:`section_ref_algorithm_SamplingTest`,
+:ref:`section_ref_algorithm_EnsembleOfSimulationGenerationTask` et
+:ref:`section_ref_algorithm_MeasurementsOptimalPositioningTask`.
+
+L'ensemble de ces états peut être décrit de manière explicite ou implicite pour
+en faciliter l'inventaire. On indique ci-dessous les descriptions possibles, et
+on les fait suivre d'exemples très simples pour montrer les types de
+répartitions obtenues dans l'espace des états.
+
+Description explicite ou implicite de la collection d'échantillonnage des états
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
+
+La collection d'échantillonnage des états peut être décrite à l'aide de
+mots-clés dédiés dans le jeu de commandes d'un algorithme qui le nécessite.
+
+L'échantillonnage des états :math:`\mathbf{x}` peut être fourni explicitement
+ou sous la forme d'hypercubes, explicites ou échantillonnés selon des
+distributions courantes, ou à l'aide d'un échantillonnage par hypercube latin
+(LHS).
+
+Ces mots-clés possibles sont les suivants :
+
+.. include:: snippets/SampleAsExplicitHyperCube.rst
+
+.. include:: snippets/SampleAsIndependantRandomVariables.rst
+
+.. include:: snippets/SampleAsMinMaxLatinHyperCube.rst
+
+.. include:: snippets/SampleAsMinMaxStepHyperCube.rst
+
+.. include:: snippets/SampleAsnUplet.rst
+
+Attention à la taille de l'hypercube (et donc au nombre de calculs) qu'il est
+possible d'atteindre, elle peut rapidement devenir importante.
+
+Exemples très simples de répartitions dans l'espace des états
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
+
+Pour illustrer les commandes, on propose ici des répartitions simples obtenues
+dans un espace d'état à 2 dimensions (pour être représentable), et les
+commandes qui permettent de les obtenir. On choisit arbitrairement de
+positionner 25 états dans chaque cas. Dans la majeure partie des commandes,
+comme on décrit les états séparément selon chaque coordonnée, on demande donc 5
+valeurs de coordonnées par axe.
+
+Les trois premiers mots-clés illustrent la même répartition car ce sont
+simplement des manières différentes de la décrire.
+
+Répartition explicite d'états par le mot-clé "*SampleAsnUplet*"
+...............................................................
+
+La commande de génération explicite d'échantillons par "*SampleAsnUplet*" est
+la suivante :
+
+.. code-block:: python
+
+ [...]
+ "SampleAsnUplet":[[0, 0], [0, 1], [0, 2], [0, 3], [0, 4],
+ [1, 0], [1, 1], [1, 2], [1, 3], [1, 4],
+ [2, 0], [2, 1], [2, 2], [2, 3], [2, 4],
+ [3, 0], [3, 1], [3, 2], [3, 3], [3, 4],
+ [4, 0], [4, 1], [4, 2], [4, 3], [4, 4]]
+ [...]
+
+La répartition des états ainsi décrite correspond à l'illustration :
+
+ .. image:: images/sampling_01_SampleAsnUplet.png
+ :align: center
+
+Répartition implicite d'états par le mot-clé "*SampleAsExplicitHyperCube*"
+..........................................................................
+
+La commande de génération implicite d'échantillons par
+"*SampleAsExplicitHyperCube*" est la suivante :
+
+.. code-block:: python
+
+ [...]
+ "SampleAsExplicitHyperCube":[[0, 1, 2, 3, 4], [0, 1, 2, 3, 4]]
+ # ou
+ "SampleAsExplicitHyperCube":[range(0, 5), range(0, 5)]
+ [...]
+
+La répartition des états ainsi décrite correspond à l'illustration :
+
+ .. image:: images/sampling_02_SampleAsExplicitHyperCube.png
+ :align: center
+
+Répartition implicite d'états par le mot-clé "*SampleAsMinMaxStepHyperCube*"
+............................................................................
+
+La commande de génération implicite d'échantillons par
+"*SampleAsMinMaxStepHyperCube*" est la suivante :
+
+.. code-block:: python
+
+ [...]
+ "SampleAsMinMaxStepHyperCube":[[0, 4, 1], [0, 4, 1]]
+ [...]
+
+La répartition des états ainsi décrite correspond à l'illustration :
+
+ .. image:: images/sampling_03_SampleAsMinMaxStepHyperCube.png
+ :align: center
+
+Répartition implicite d'états par le mot-clé "*SampleAsMinMaxLatinHyperCube*"
+.............................................................................
+
+La commande de génération implicite d'échantillons par
+"*SampleAsMinMaxLatinHyperCube*" est la suivante :
+
+.. code-block:: python
+
+ [...]
+ "SampleAsMinMaxLatinHyperCube":[[0, 4], [0, 4], [2, 25]]
+ [...]
+
+La répartition des états ainsi décrite correspond à l'illustration :
+
+ .. image:: images/sampling_04_SampleAsMinMaxLatinHyperCube.png
+ :align: center
+
+Répartition implicite d'états par le mot-clé "*SampleAsIndependantRandomVariables*" avec loi normale
+....................................................................................................
+
+La commande de génération implicite d'échantillons par
+"*SampleAsIndependantRandomVariables*" est la suivante, en utilisant une loi
+normale (0,1) de répartition par coordonnée :
+
+.. code-block:: python
+
+ [...]
+ "SampleAsIndependantRandomVariables":[['normal', [0, 1], 5], ['normal', [0, 1], 5]]
+ [...]
+
+La répartition des états ainsi décrite correspond à l'illustration :
+
+ .. image:: images/sampling_05_SampleAsIndependantRandomVariables_normal.png
+ :align: center
+
+Répartition implicite d'états par le mot-clé "*SampleAsIndependantRandomVariables*" avec loi uniforme
+.....................................................................................................
+
+La commande de génération implicite d'échantillons par
+"*SampleAsIndependantRandomVariables*" est la suivante, en utilisant une loi
+uniforme entre 0 et 5 de répartition par coordonnée :
+
+.. code-block:: python
+
+ [...]
+ "SampleAsIndependantRandomVariables":[['uniform', [0, 5], 5], ['uniform', [0, 5], 5]]
+ [...]
+
+La répartition des états ainsi décrite correspond à l'illustration :
+
+ .. image:: images/sampling_06_SampleAsIndependantRandomVariables_uniform.png
+ :align: center
+
+Répartition implicite par le mot-clé "*SampleAsIndependantRandomVariables*" avec loi de Weibull
+...............................................................................................
+
+La commande de génération implicite d'échantillons par
+"*SampleAsIndependantRandomVariables*" est la suivante, en utilisant une loi de
+Weibull à un paramètre de valeur 5 de répartition par coordonnée :
+
+.. code-block:: python
+
+ [...]
+ "SampleAsIndependantRandomVariables":[['weibull', [5], 5], ['weibull', [5], 5]]
+ [...]
+
+La répartition des états ainsi décrite correspond à l'illustration :
+
+ .. image:: images/sampling_07_SampleAsIndependantRandomVariables_weibull.png
+ :align: center
ref_observations_requirements
ref_operator_requirements
ref_covariance_requirements
+ ref_sampling_requirements
ref_observers_requirements
ref_userpostanalysis_requirements
Python, 3.6.5, 3.11.6
Numpy, 1.14.3, 1.26.0
Scipy, 0.19.1, 1.11.3
- MatplotLib, 2.2.2, 3.8.0
+ MatplotLib, 2.2.2, 3.8.1
GnuplotPy, 1.8, 1.8
NLopt, 2.4.2, 2.7.1
"LeastSquares" <=> "LS" <=> "L2",
"AbsoluteValue" <=> "L1",
"MaximumError" <=> "ME" <=> "Linf"].
+ On pourra se reporter à la section pour :ref:`section_theory_optimization`
+ afin de disposer de la définition détaillée de ces critères de qualité.
Exemple :
``{"QualityCriterion":"DA"}``
explicites de chaque variable comme une liste. C'est donc une liste de
listes, chacune étant de taille potentiellement différente.
- Exemple : ``{"SampleAsExplicitHyperCube":[[0.,0.25,0.5,0.75,1.], [-2,2,1]]}`` pour un espace d'état de dimension 2
+ Exemple : ``{"SampleAsExplicitHyperCube":[[0.,0.25,0.5,0.75,1.], [-2,2,1]]}`` pour un espace d'état de dimension 2.
donc une liste de la même taille que celle de l'état.
Exemple :
- ``{"SampleAsIndependantRandomVariables":[ ['normal',[0.,1.],3], ['uniform',[-2,2],4]]`` pour un espace d'état de dimension 2
+ ``{"SampleAsIndependantRandomVariables":[['normal',[0.,1.],3], ['uniform',[-2,2],4]]}`` pour un espace d'état de dimension 2.
selon la méthode de l'hypercube Latin (LHS).
Exemple :
- ``{"SampleAsMinMaxLatinHyperCube":[[0.,1.],[-1,3]]+[[2,11]]}`` pour un espace d'état de dimension 2 et 11 points d'échantillonnage
+ ``{"SampleAsMinMaxLatinHyperCube":[[0.,1.],[-1,3]]+[[2,11]]}`` pour un espace d'état de dimension 2 et 11 points d'échantillonnage.
liste de la même taille que celle de l'état. Les bornes sont incluses.
Exemple :
- ``{"SampleAsMinMaxStepHyperCube":[[0.,1.,0.25],[-1,3,1]]}`` pour un espace d'état de dimension 2
+ ``{"SampleAsMinMaxStepHyperCube":[[0.,1.,0.25],[-1,3,1]]}`` pour un espace d'état de dimension 2.
liste de n-uplets, chaque n-uplet étant un état.
Exemple :
- ``{"SampleAsnUplet":[[0,1,2,3],[4,3,2,1],[-2,3,-4,5]]}`` pour 3 points dans un espace d'état de dimension 4
+ ``{"SampleAsnUplet":[[0,1,2,3],[4,3,2,1],[-2,3,-4,5]]}`` pour 3 points dans un espace d'état de dimension 4.
