src/daComposant/daAlgorithms/ParticleSwarmOptimization.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, logging, copy
  24 from daCore import BasicObjects
  25 from daAlgorithms.Atoms import ecwnpso, ecwopso, ecwapso, ecwspso, ecwpspso
  26
  27 # ==============================================================================
  28 class ElementaryAlgorithm(BasicObjects.Algorithm):
  29     def __init__(self):
  30         BasicObjects.Algorithm.__init__(self, "PARTICLESWARMOPTIMIZATION")
  31         self.defineRequiredParameter(
  32             name     = "Variant",
  33             default  = "CanonicalPSO",
  34             typecast = str,
  35             message  = "Variant ou formulation de la méthode",
  36             listval  = [
  37                 "CanonicalPSO",
  38                 "OGCR",
  39                 "SPSO-2011",
  40                 "SPSO-2011-AIS",
  41                 "SPSO-2011-SIS",
  42                 "SPSO-2011-PSIS",
  43                 ],
  44             listadv  = [
  45                 "PSO",
  46                 ],
  47             )
  48         self.defineRequiredParameter(
  49             name     = "MaximumNumberOfIterations",
  50             default  = 50,
  51             typecast = int,
  52             message  = "Nombre maximal de pas d'optimisation",
  53             minval   = 0,
  54             oldname  = "MaximumNumberOfSteps",
  55             )
  56         self.defineRequiredParameter(
  57             name     = "MaximumNumberOfFunctionEvaluations",
  58             default  = 15000,
  59             typecast = int,
  60             message  = "Nombre maximal d'évaluations de la fonction",
  61             minval   = -1,
  62             )
  63         self.defineRequiredParameter(
  64             name     = "SetSeed",
  65             typecast = numpy.random.seed,
  66             message  = "Graine fixée pour le générateur aléatoire",
  67             )
  68         self.defineRequiredParameter(
  69             name     = "NumberOfInsects",
  70             default  = 40,
  71             typecast = int,
  72             message  = "Nombre d'insectes dans l'essaim",
  73             minval   = -1,
  74             )
  75         self.defineRequiredParameter(
  76             name     = "SwarmTopology",
  77             default  = "FullyConnectedNeighborhood",
  78             typecast = str,
  79             message  = "Mode de définition du voisinage de chaque particule",
  80             listval  = [
  81                 "FullyConnectedNeighborhood", "FullyConnectedNeighbourhood", "gbest",
  82                 "RingNeighborhoodWithRadius1", "RingNeighbourhoodWithRadius1", "lbest",
  83                 "RingNeighborhoodWithRadius2", "RingNeighbourhoodWithRadius2",
  84                 "AdaptativeRandomWith3Neighbors", "AdaptativeRandomWith3Neighbours", "abest",
  85                 "AdaptativeRandomWith5Neighbors", "AdaptativeRandomWith5Neighbours",
  86                 ],
  87             listadv  = [
  88                 "VonNeumannNeighborhood", "VonNeumannNeighbourhood",
  89                 ],
  90             )
  91         self.defineRequiredParameter(
  92             name     = "InertiaWeight",
  93             default  = 0.72135, # 1/(2*ln(2))
  94             typecast = float,
  95             message  = "Part de la vitesse de l'essaim qui est imposée à l'insecte, ou poids de l'inertie (entre 0 et 1)",
  96             minval   = 0.,
  97             maxval   = 1.,
  98             oldname  = "SwarmVelocity",
  99             )
 100         self.defineRequiredParameter(
 101             name     = "CognitiveAcceleration",
 102             default  = 1.19315, # 1/2+ln(2)
 103             typecast = float,
 104             message  = "Taux de rappel à la meilleure position de l'insecte précédemment connue (positif)",
 105             minval   = 0.,
 106             )
 107         self.defineRequiredParameter(
 108             name     = "SocialAcceleration",
 109             default  = 1.19315, # 1/2+ln(2)
 110             typecast = float,
 111             message  = "Taux de rappel au meilleur insecte du groupe local (positif)",
 112             minval   = 0.,
 113             oldname  = "GroupRecallRate",
 114             )
 115         self.defineRequiredParameter(
 116             name     = "VelocityClampingFactor",
 117             default  = 0.3,
 118             typecast = float,
 119             message  = "Facteur de réduction de l'amplitude de variation des vitesses (entre 0 et 1)",
 120             minval   = 0.0001,
 121             maxval   = 1.,
 122             )
 123         self.defineRequiredParameter(
 124             name     = "QualityCriterion",
 125             default  = "AugmentedWeightedLeastSquares",
 126             typecast = str,
 127             message  = "Critère de qualité utilisé",
 128             listval  = [
 129                 "AugmentedWeightedLeastSquares", "AWLS", "DA",
 130                 "WeightedLeastSquares", "WLS",
 131                 "LeastSquares", "LS", "L2",
 132                 "AbsoluteValue", "L1",
 133                 "MaximumError", "ME", "Linf",
 134                 ],
 135             )
 136         self.defineRequiredParameter(
 137             name     = "StoreInternalVariables",
 138             default  = False,
 139             typecast = bool,
 140             message  = "Stockage des variables internes ou intermédiaires du calcul",
 141             )
 142         self.defineRequiredParameter(
 143             name     = "StoreSupplementaryCalculations",
 144             default  = [],
 145             typecast = tuple,
 146             message  = "Liste de calculs supplémentaires à stocker et/ou effectuer",
 147             listval  = [
 148                 "Analysis",
 149                 "BMA",
 150                 "CostFunctionJ",
 151                 "CostFunctionJb",
 152                 "CostFunctionJo",
 153                 "CurrentIterationNumber",
 154                 "CurrentState",
 155                 "Innovation",
 156                 "InternalCostFunctionJ",
 157                 "InternalCostFunctionJb",
 158                 "InternalCostFunctionJo",
 159                 "InternalStates",
 160                 "OMA",
 161                 "OMB",
 162                 "SimulatedObservationAtBackground",
 163                 "SimulatedObservationAtCurrentState",
 164                 "SimulatedObservationAtOptimum",
 165                 ]
 166             )
 167         self.defineRequiredParameter( # Pas de type
 168             name     = "Bounds",
 169             message  = "Liste des paires de bornes",
 170             )
 171         self.defineRequiredParameter( # Pas de type
 172             name     = "BoxBounds",
 173             message  = "Liste des paires de bornes d'incréments",
 174             )
 175         self.defineRequiredParameter(
 176             name     = "InitializationPoint",
 177             typecast = numpy.ravel,
 178             message  = "État initial imposé (par défaut, c'est l'ébauche si None)",
 179             )
 180         self.requireInputArguments(
 181             mandatory= ("Xb", "Y", "HO", "R", "B"),
 182             )
 183         self.setAttributes(tags=(
 184             "Optimization",
 185             "NonLinear",
 186             "MetaHeuristic",
 187             "Population",
 188             ))
 189
 190     def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
 191         self._pre_run(Parameters, Xb, Y, U, HO, EM, CM, R, B, Q)
 192         #
 193         #--------------------------
 194         if   self._parameters["Variant"] in ["CanonicalPSO", "PSO"]:
 195             ecwnpso.ecwnpso(self, Xb, Y, HO, R, B)
 196         #
 197         elif self._parameters["Variant"] in ["OGCR"]:
 198             ecwopso.ecwopso(self, Xb, Y, HO, R, B)
 199         #
 200         # Default SPSO-2011 = SPSO-2011-AIS
 201         elif self._parameters["Variant"] in ["SPSO-2011", "SPSO-2011-AIS"]:
 202             ecwapso.ecwapso(self, Xb, Y, HO, R, B)
 203         #
 204         elif self._parameters["Variant"] in ["SPSO-2011-SIS"]:
 205             ecwspso.ecwspso(self, Xb, Y, HO, R, B)
 206         #
 207         elif self._parameters["Variant"] in ["SPSO-2011-PSIS"]:
 208             ecwpspso.ecwpspso(self, Xb, Y, HO, R, B)
 209         #
 210         #--------------------------
 211         else:
 212             raise ValueError("Error in Variant name: %s"%self._parameters["Variant"])
 213         #
 214         self._post_run(HO)
 215         return 0
 216
 217 # ==============================================================================
 218 if __name__ == "__main__":
 219     print("\n AUTODIAGNOSTIC\n")