src/daComposant/daAlgorithms/TangentTest.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
  24 from daCore import BasicObjects, NumericObjects, PlatformInfo
  25 mpr = PlatformInfo.PlatformInfo().MachinePrecision()
  26 mfp = PlatformInfo.PlatformInfo().MaximumPrecision()
  27
  28 # ==============================================================================
  29 class ElementaryAlgorithm(BasicObjects.Algorithm):
  30     def __init__(self):
  31         BasicObjects.Algorithm.__init__(self, "TANGENTTEST")
  32         self.defineRequiredParameter(
  33             name     = "ResiduFormula",
  34             default  = "Taylor",
  35             typecast = str,
  36             message  = "Formule de résidu utilisée",
  37             listval  = ["Taylor"],
  38             )
  39         self.defineRequiredParameter(
  40             name     = "EpsilonMinimumExponent",
  41             default  = -8,
  42             typecast = int,
  43             message  = "Exposant minimal en puissance de 10 pour le multiplicateur d'incrément",
  44             minval   = -20,
  45             maxval   = 0,
  46             )
  47         self.defineRequiredParameter(
  48             name     = "InitialDirection",
  49             default  = [],
  50             typecast = list,
  51             message  = "Direction initiale de la dérivée directionnelle autour du point nominal",
  52             )
  53         self.defineRequiredParameter(
  54             name     = "AmplitudeOfInitialDirection",
  55             default  = 1.,
  56             typecast = float,
  57             message  = "Amplitude de la direction initiale de la dérivée directionnelle autour du point nominal",
  58             )
  59         self.defineRequiredParameter(
  60             name     = "AmplitudeOfTangentPerturbation",
  61             default  = 1.e-2,
  62             typecast = float,
  63             message  = "Amplitude de la perturbation pour le calcul de la forme tangente",
  64             minval   = 1.e-10,
  65             maxval   = 1.,
  66             )
  67         self.defineRequiredParameter(
  68             name     = "SetSeed",
  69             typecast = numpy.random.seed,
  70             message  = "Graine fixée pour le générateur aléatoire",
  71             )
  72         self.defineRequiredParameter(
  73             name     = "NumberOfPrintedDigits",
  74             default  = 5,
  75             typecast = int,
  76             message  = "Nombre de chiffres affichés pour les impressions de réels",
  77             minval   = 0,
  78             )
  79         self.defineRequiredParameter(
  80             name     = "ResultTitle",
  81             default  = "",
  82             typecast = str,
  83             message  = "Titre du tableau et de la figure",
  84             )
  85         self.defineRequiredParameter(
  86             name     = "StoreSupplementaryCalculations",
  87             default  = [],
  88             typecast = tuple,
  89             message  = "Liste de calculs supplémentaires à stocker et/ou effectuer",
  90             listval  = [
  91                 "CurrentState",
  92                 "Residu",
  93                 "SimulatedObservationAtCurrentState",
  94                 ]
  95             )
  96         self.requireInputArguments(
  97             mandatory= ("Xb", "HO"),
  98             )
  99         self.setAttributes(tags=(
 100             "Checking",
 101             ))
 102
 103     def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
 104         self._pre_run(Parameters, Xb, Y, U, HO, EM, CM, R, B, Q)
 105         #
 106         Hm = HO["Direct"].appliedTo
 107         Ht = HO["Tangent"].appliedInXTo
 108         #
 109         X0      = numpy.ravel( Xb ).reshape((-1,1))
 110         #
 111         # ----------
 112         __p = self._parameters["NumberOfPrintedDigits"]
 113         #
 114         __marge = 5*u" "
 115         __flech = 3*"="+"> "
 116         msgs  = ("\n") # 1
 117         if len(self._parameters["ResultTitle"]) > 0:
 118             __rt = str(self._parameters["ResultTitle"])
 119             msgs += (__marge + "====" + "="*len(__rt) + "====\n")
 120             msgs += (__marge + "    " + __rt + "\n")
 121             msgs += (__marge + "====" + "="*len(__rt) + "====\n")
 122         else:
 123             msgs += (__marge + "%s\n"%self._name)
 124             msgs += (__marge + "%s\n"%("="*len(self._name),))
 125         #
 126         msgs += ("\n")
 127         msgs += (__marge + "This test allows to analyze the numerical stability of the tangent of some\n")
 128         msgs += (__marge + "given simulation operator F, applied to one single vector argument x.\n")
 129         msgs += (__marge + "The output shows simple statistics related to its stability for various\n")
 130         msgs += (__marge + "increments, around an input checking point X.\n")
 131         msgs += ("\n")
 132         msgs += (__flech + "Information before launching:\n")
 133         msgs += (__marge + "-----------------------------\n")
 134         msgs += ("\n")
 135         msgs += (__marge + "Characteristics of input vector X, internally converted:\n")
 136         msgs += (__marge + "  Type...............: %s\n")%type( X0 )
 137         msgs += (__marge + "  Length of vector...: %i\n")%max(numpy.ravel( X0 ).shape)
 138         msgs += (__marge + "  Minimum value......: %."+str(__p)+"e\n")%numpy.min(  X0 )
 139         msgs += (__marge + "  Maximum value......: %."+str(__p)+"e\n")%numpy.max(  X0 )
 140         msgs += (__marge + "  Mean of vector.....: %."+str(__p)+"e\n")%numpy.mean( X0, dtype=mfp )
 141         msgs += (__marge + "  Standard error.....: %."+str(__p)+"e\n")%numpy.std(  X0, dtype=mfp )
 142         msgs += (__marge + "  L2 norm of vector..: %."+str(__p)+"e\n")%numpy.linalg.norm( X0 )
 143         msgs += ("\n")
 144         msgs += (__marge + "%s\n\n"%("-"*75,))
 145         msgs += (__flech + "Numerical quality indicators:\n")
 146         msgs += (__marge + "-----------------------------\n")
 147         msgs += ("\n")
 148         msgs += (__marge + "Using the \"%s\" formula, one observes the residue R which is the\n"%self._parameters["ResiduFormula"])
 149         msgs += (__marge + "ratio of increments using the tangent linear:\n")
 150         msgs += ("\n")
 151         #
 152         if self._parameters["ResiduFormula"] == "Taylor":
 153             msgs += (__marge + "                || F(X+Alpha*dX) - F(X) ||\n")
 154             msgs += (__marge + "    R(Alpha) = -----------------------------\n")
 155             msgs += (__marge + "               || Alpha * TangentF_X * dX ||\n")
 156             msgs += ("\n")
 157             msgs += (__marge + "which must remain stable in 1+O(Alpha) until the accuracy of the\n")
 158             msgs += (__marge + "calculation is reached.\n")
 159             msgs += ("\n")
 160             msgs += (__marge + "When |R-1|/Alpha is less than or equal to a stable value when Alpha varies,\n")
 161             msgs += (__marge + "the tangent is valid, until the accuracy of the calculation is reached.\n")
 162             msgs += ("\n")
 163             msgs += (__marge + "If |R-1|/Alpha is very small, the code F is likely linear or quasi-linear,\n")
 164             msgs += (__marge + "and the tangent is valid until computational accuracy is reached.\n")
 165             #
 166             __entete = u"  i   Alpha     ||X||      ||F(X)||   |     R(Alpha)    |R-1|/Alpha"
 167             #
 168         msgs += ("\n")
 169         msgs += (__marge + "We take dX0 = Normal(0,X) and dX = Alpha*dX0. F is the calculation code.\n")
 170         msgs += ("\n")
 171         msgs += (__marge + "(Remark: numbers that are (about) under %.0e represent 0 to machine precision)\n"%mpr)
 172         print(msgs) # 1
 173         #
 174         Perturbations = [ 10**i for i in range(self._parameters["EpsilonMinimumExponent"],1) ]
 175         Perturbations.reverse()
 176         #
 177         FX      = numpy.ravel( Hm( X0 ) ).reshape((-1,1))
 178         NormeX  = numpy.linalg.norm( X0 )
 179         NormeFX = numpy.linalg.norm( FX )
 180         if NormeFX < mpr: NormeFX = mpr
 181         if self._toStore("CurrentState"):
 182             self.StoredVariables["CurrentState"].store( X0 )
 183         if self._toStore("SimulatedObservationAtCurrentState"):
 184             self.StoredVariables["SimulatedObservationAtCurrentState"].store( FX )
 185         #
 186         dX0 = NumericObjects.SetInitialDirection(
 187             self._parameters["InitialDirection"],
 188             self._parameters["AmplitudeOfInitialDirection"],
 189             X0,
 190             )
 191         #
 192         # Calcul du gradient au point courant X pour l'incrément dX
 193         # qui est le tangent en X multiplie par dX
 194         # ---------------------------------------------------------
 195         dX1      = float(self._parameters["AmplitudeOfTangentPerturbation"]) * dX0
 196         GradFxdX = Ht( (X0, dX1) )
 197         GradFxdX = numpy.ravel( GradFxdX ).reshape((-1,1))
 198         GradFxdX = float(1./self._parameters["AmplitudeOfTangentPerturbation"]) * GradFxdX
 199         NormeGX  = numpy.linalg.norm( GradFxdX )
 200         if NormeGX < mpr: NormeGX = mpr
 201         #
 202         # Boucle sur les perturbations
 203         # ----------------------------
 204         __nbtirets = len(__entete) + 2
 205         msgs  = ("") # 2
 206         msgs += "\n" + __marge + "-"*__nbtirets
 207         msgs += "\n" + __marge + __entete
 208         msgs += "\n" + __marge + "-"*__nbtirets
 209         msgs += ("\n")
 210         for i,amplitude in enumerate(Perturbations):
 211             dX      = amplitude * dX0.reshape((-1,1))
 212             #
 213             if self._parameters["ResiduFormula"] == "Taylor":
 214                 FX_plus_dX  = numpy.ravel( Hm( X0 + dX ) ).reshape((-1,1))
 215                 #
 216                 Residu = numpy.linalg.norm( FX_plus_dX - FX ) / (amplitude * NormeGX)
 217             #
 218             self.StoredVariables["Residu"].store( Residu )
 219             ttsep = "  %2i  %5.0e   %9.3e   %9.3e   |   %11.5e    %5.1e\n"%(i,amplitude,NormeX,NormeFX,Residu,abs(Residu-1.)/amplitude)
 220             msgs += __marge + ttsep
 221         #
 222         msgs += (__marge + "-"*__nbtirets + "\n\n")
 223         msgs += (__marge + "End of the \"%s\" verification by the \"%s\" formula.\n\n"%(self._name,self._parameters["ResiduFormula"]))
 224         msgs += (__marge + "%s\n"%("-"*75,))
 225         print(msgs) # 2
 226         #
 227         self._post_run(HO)
 228         return 0
 229
 230 # ==============================================================================
 231 if __name__ == "__main__":
 232     print("\n AUTODIAGNOSTIC\n")