Subversion Repositories OpenSees

/* ****************************************************************** **

**    OpenSees - Open System for Earthquake Engineering Simulation    **

**          Pacific Earthquake Engineering Research Center            **

**                                                                    **

**                                                                    **

** (C) Copyright 2001, The Regents of the University of California    **

** All Rights Reserved.                                               **

**                                                                    **

** Commercial use of this program without express permission of the   **

** University of California, Berkeley, is strictly prohibited.  See   **

** file 'COPYRIGHT'  in main directory for information on usage and   **

** redistribution,  and for a DISCLAIMER OF ALL WARRANTIES.           **

**                                                                    **

** Developed by:                                                      **

**   Frank McKenna (fmckenna@ce.berkeley.edu)                         **

**   Gregory L. Fenves (fenves@ce.berkeley.edu)                       **

**   Filip C. Filippou (filippou@ce.berkeley.edu)                     **

**                                                                    **

** Reliability module developed by:                                   **

**   Terje Haukaas (haukaas@ce.berkeley.edu)                          **

**   Armen Der Kiureghian (adk@ce.berkeley.edu)                       **

**                                                                    **

** ****************************************************************** */

// $Revision: 1.20 $

// $Date: 2010-09-13 21:34:43 $

// $Source: /usr/local/cvs/OpenSees/SRC/reliability/analysis/designPoint/SearchWithStepSizeAndStepDirection.cpp,v $

//

// Written by Terje Haukaas (haukaas@ce.berkeley.edu) 

//

#include <SearchWithStepSizeAndStepDirection.h>

#include <FindDesignPointAlgorithm.h>

#include <ReliabilityDomain.h>

#include <StepSizeRule.h>

#include <SearchDirection.h>

#include <ProbabilityTransformation.h>

#include <NatafProbabilityTransformation.h>

#include <LimitStateFunction.h>

#include <FunctionEvaluator.h>

#include <GradientEvaluator.h>

#include <RandomVariable.h>

#include <RandomVariableIter.h>

#include <CorrelationCoefficient.h>

#include <MatrixOperations.h>

#include <HessianApproximation.h>

#include <ReliabilityConvergenceCheck.h>

#include <Matrix.h>

#include <Vector.h>

#include <fstream>

#include <iomanip>

#include <iostream>

#include <math.h>

using std::ifstream;

using std::ios;

using std::setw;

using std::setprecision;

SearchWithStepSizeAndStepDirection::SearchWithStepSizeAndStepDirection(

                                        int passedMaxNumberOfIterations,

                                        ReliabilityDomain *passedReliabilityDomain,

                    Domain *passedOpenSeesDomain,

                                        FunctionEvaluator *passedFunctionEvaluator,

                                        GradientEvaluator *passedGradientEvaluator,

                                        StepSizeRule *passedStepSizeRule,

                                        SearchDirection *passedSearchDirection,

                                        ProbabilityTransformation *passedProbabilityTransformation,

                                        HessianApproximation *passedHessianApproximation,

                                        ReliabilityConvergenceCheck *passedReliabilityConvergenceCheck,

                                        bool pStartAtOrigin,

                                        int pprintFlag,

                                        char *pFileNamePrint)

  :FindDesignPointAlgorithm(), theReliabilityDomain(passedReliabilityDomain),

        theOpenSeesDomain(passedOpenSeesDomain)

{

        maxNumberOfIterations                   = passedMaxNumberOfIterations;

        theFunctionEvaluator                            = passedFunctionEvaluator;

        theGradientEvaluator                            = passedGradientEvaluator;

        theStepSizeRule                                 = passedStepSizeRule;

        theSearchDirection                              = passedSearchDirection;

        theProbabilityTransformation    = passedProbabilityTransformation;

        theHessianApproximation                 = passedHessianApproximation;

        theReliabilityConvergenceCheck  = passedReliabilityConvergenceCheck;

        //startPoint                                            = pStartPoint;

        startAtOrigin = pStartAtOrigin;

        printFlag                                               = pprintFlag;

        numberOfEvaluations = 0;

        if (printFlag != 0) {

                strcpy(fileNamePrint,pFileNamePrint);

        }

        int nrv = theReliabilityDomain->getNumberOfRandomVariables();

        x = new Vector(nrv);

        u = new Vector(nrv);

        alpha = new Vector(nrv);

        gamma = new Vector(nrv);

        gradientInStandardNormalSpace = new Vector(nrv);

        uSecondLast = new Vector(nrv);

        alphaSecondLast = new Vector(nrv);

        searchDirection = new Vector(nrv);

}

SearchWithStepSizeAndStepDirection::~SearchWithStepSizeAndStepDirection()

{

        if (x != 0)

                delete x;

        if (u != 0)

                delete u;

        if (alpha != 0)

                delete alpha;

        if (gamma != 0)

                delete gamma;

        if (gradientInStandardNormalSpace != 0)

                delete gradientInStandardNormalSpace;

        if (uSecondLast != 0)

                delete uSecondLast;

        if (alphaSecondLast != 0)

                delete alphaSecondLast;

    if (searchDirection != 0)

                delete searchDirection;

}

int

SearchWithStepSizeAndStepDirection::findDesignPoint()

{

        // Declaration of data used in the algorithm

        int numberOfRandomVariables = theReliabilityDomain->getNumberOfRandomVariables();

    int numberOfParameters = theOpenSeesDomain->getNumParameters();

        int zeroFlag, result;

        int evaluationInStepSize = 0;

        double gFunctionValue = 1.0;

        double gFunctionValue_old = 1.0;

        double normOfGradient = 0.0;

        double stepSize = 1.0;

        Vector u_old(numberOfRandomVariables);

        Vector uNew(numberOfRandomVariables);  

        Vector gradientOfgFunction(numberOfRandomVariables);

        Vector gradientInStandardNormalSpace_old(numberOfRandomVariables);

    Matrix Jxu(numberOfRandomVariables, numberOfRandomVariables);

        Matrix Jux(numberOfRandomVariables, numberOfRandomVariables);

        theFunctionEvaluator->initializeNumberOfEvaluations();

        // Prepare output file to store the search points

        /*

        if (printFlag != 0)

                ofstream outputFile2( fileNamePrint, ios::out );

        */

        // Get starting point

    // KRM this is now taken care of elsewhere, the values of start point are set within the parameters themselves

        /*if (startAtOrigin)

                u->Zero();

        else {

                //theReliabilityDomain->getStartPoint(*x);

                for (int j = 0; j < numberOfRandomVariables; j++) {

                        RandomVariable *theParam = theReliabilityDomain->getRandomVariablePtrFromIndex(j);

                        (*x)(j) = theParam->getStartValue();

            // KRM now we need to make a call to setParamter with this value or just use the existing

            // value stored in the parameter

                }

                // Transform starting point into standard normal space

                result = theProbabilityTransformation->transform_x_to_u(*u);

                if (result < 0) {

                        opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                           << " could not transform from x to u." << endln;

                        return -1;

          }

        }

     */

    // get starting x values from parameter directly

    for (int j = 0; j < numberOfRandomVariables; j++) {

        RandomVariable *theParam = theReliabilityDomain->getRandomVariablePtrFromIndex(j);

        double rvVal = theParam->getStartValue();

        (*x)(j) = rvVal;

        // now we should update the parameter value 

        // KRM should this be a parameter reference now?

        theParam->setCurrentValue(rvVal);

    }

    // Transform starting point into standard normal space to initialize u vector

    result = theProbabilityTransformation->transform_x_to_u(*u);

    if (result < 0) {

        opserr << "SearchWithStepSizeAndStepDirection::findDesignPoint() - " << endln

               << " could not transform from x to u." << endln;

        return -1;

    }

        // Loop to find design point

        steps = 1;

        while ( steps <= maxNumberOfIterations )

        {

                // Evaluate limit-state function unless it has been done in 

                // a trial step by the "stepSizeAlgorithm"

                if (evaluationInStepSize == 0) {

                        // set perturbed values in the variable namespace

                        if (theFunctionEvaluator->setVariables(*x) < 0) {

                                opserr << "ERROR SearchWithStepSizeAndStepDirection -- error setting variables in namespace" << endln;

                                return -1;

                        }

                        // run analysis

                        if (theFunctionEvaluator->runAnalysis(*x) < 0) {

                                opserr << "ERROR SearchWithStepSizeAndStepDirection -- error running analysis" << endln;

                                return -1;

                        }

                        // evaluate LSF and obtain result

                        int lsfTag = theReliabilityDomain->getTagOfActiveLimitStateFunction();

                        LimitStateFunction *theLimitStateFunction = theReliabilityDomain->getLimitStateFunctionPtr(lsfTag);

                        const char *lsfExpression = theLimitStateFunction->getExpression();

                        theFunctionEvaluator->setExpression(lsfExpression);

                        gFunctionValue_old = gFunctionValue;

                        gFunctionValue = theFunctionEvaluator->evaluateExpression();

                }

                // Set scale parameter

                if (steps == 1) {

                        Gfirst = gFunctionValue;

                        if (printFlag != 0) {

                          opserr << " Limit-state function value at start point, g=" << gFunctionValue << endln;

                          opserr << " STEP #0: ";

                        }

                        theReliabilityConvergenceCheck->setScaleValue(gFunctionValue);

                }

                // Gradient in original space

                result = theGradientEvaluator->computeGradient(gFunctionValue);

                if (result < 0) {

                        opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                << " could not compute gradients of the limit-state function. " << endln;

                        return -1;

                }

                gradientOfgFunction = theGradientEvaluator->getGradient();

                // Check if all components of the vector are zero

                if (gradientOfgFunction.Norm() == 0.0) {

                        opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                << " all components of the gradient vector is zero. " << endln;

                        return -1;

                }

                // Get Jacobian x-space to u-space

                result = theProbabilityTransformation->getJacobian_x_to_u(Jxu);

                if (result < 0) {

            opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

            << " could not transform Jacobian from x to u." << endln;

            return -1;

                }

                // Gradient in standard normal space

                gradientInStandardNormalSpace_old = *gradientInStandardNormalSpace;

                //gradientInStandardNormalSpace = jacobian_x_u ^ gradientOfgFunction;

                //gradientInStandardNormalSpace.addMatrixTransposeVector(0.0, jacobian_x_u, gradientOfgFunction, 1.0);

                gradientInStandardNormalSpace->addMatrixTransposeVector(0.0, Jxu, gradientOfgFunction, 1.0);

                // Compute the norm of the gradient in standard normal space

                normOfGradient = gradientInStandardNormalSpace->Norm();

                // Check that the norm is not zero

                if (normOfGradient == 0.0) {

                        opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                << " the norm of the gradient is zero. " << endln;

                        return -1;

                }

                // check there are no sucessive large betas

                int earlyexit = 0;

                if ( u->Norm() > uSecondLast->Norm() > 10 )

                        earlyexit = 1;

                // Compute alpha-vector

                alpha->addVector(0.0, *gradientInStandardNormalSpace, -1.0/normOfGradient );

                // Check convergence

                result = theReliabilityConvergenceCheck->check(*u,gFunctionValue,*gradientInStandardNormalSpace);

                if (result > 0 || steps == maxNumberOfIterations)  {

                        // Inform the user of the happy news!

                        opserr << "Design point found!" << endln;

                        /*

                        // Print the design point to file, if desired

                        int iii;

                        if (printFlag != 0) {

                                if (printFlag == 3) {

                                        result = theProbabilityTransformation->set_u(u);

                                        if (result < 0) {

                                                opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                                        << " could not set u in the xu-transformation." << endln;

                                                return -1;

                                        }

                                        result = theProbabilityTransformation->transform_u_to_x();

                                        if (result < 0) {

                                                opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                                        << " could not transform from u to x." << endln;

                                                return -1;

                                        }

                                        x = theProbabilityTransformation->get_x();

                                  result = theProbabilityTransformation->transform_u_to_x(*u, *x);

                                  if (result < 0) {

                                    opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                           << " could not transform from u to x." << endln;

                                    return -1;

                                  }

                                        outputFile2.setf(ios::scientific, ios::floatfield);

                                        for (iii=0; iii<x->Size(); iii++) {

                                                outputFile2<<setprecision(5)<<setw(15)<<(*x)(iii)<<endln;

                                        }

                                }

                                else if (printFlag == 4) {

                                        static ofstream outputFile2( fileNamePrint, ios::out );

                                        outputFile2.setf(ios::scientific, ios::floatfield);

                                        for (iii=0; iii<u->Size(); iii++) {

                                                outputFile2<<setprecision(5)<<setw(15)<<(*u)(iii)<<endln;

                                        }

                                }

                        }

                        */

                        // Compute the gamma vector

                        // Get Jacobian u-space to x-space

                        result = theProbabilityTransformation->getJacobian_u_to_x(*u, Jux);

                        if (result < 0) {

                          opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                 << " could not transform from u to x." << endln;

                          return -1;

                        }

                        //Vector tempProduct = jacobian_u_x ^ alpha;

                        Vector tempProduct(numberOfRandomVariables);

                        //tempProduct.addMatrixTransposeVector(0.0, jacobian_u_x, alpha, 1.0);

                        tempProduct.addMatrixTransposeVector(0.0, Jux, *alpha, 1.0);

                        // Only diagonal elements of (J_xu*J_xu^T) are used

                        for (int j = 0; j < numberOfRandomVariables; j++) {

                          double sum = 0.0;

                          double jk;

                          for (int k = 0; k < numberOfRandomVariables; k++) {

                            //jk = jacobian_x_u(j,k);

                            jk = Jxu(j,k);

                            sum += jk*jk;

                          }

                          (*gamma)(j) = sqrt(sum) * tempProduct(j);

                        }

                        Glast = gFunctionValue;

                        numberOfEvaluations = theFunctionEvaluator->getNumberOfEvaluations();

                        // compute sensitivity pf beta wrt to LSF parameters (if they exist)

                        // Note this will need to change because now parameters have multiple derived classes

                        /*

                        const Matrix &dGdPar = theGradientEvaluator->getDgDpar();

                        int numPars = dGdPar.noRows();

                        if (numPars > 0 && dGdPar.noCols() > 1) {

                                opserr << "Sensitivity of beta wrt LSF parameters: ";

                                Vector dBetadPar(numPars);

                                for (int ib=0; ib<numPars; ib++)

                                        dBetadPar(ib) = dGdPar(ib,1) / gradientInStandardNormalSpace->Norm();

                                opserr << dBetadPar;

                        }

                        */

                        return 1;

                }

                // Store 'u' and 'alpha' at the second last iteration point

                *uSecondLast = *u;

                *alphaSecondLast = *alpha;

                // Let user know that we have to take a new step

                if (printFlag != 0)

                  opserr << " STEP #" << steps <<": ";

                // Update Hessian approximation, if any

                if (  (theHessianApproximation!=0) && (steps!=1)  ) {

                        theHessianApproximation->updateHessianApproximation(u_old,

                                                                                            gFunctionValue_old,

                                                                                            gradientInStandardNormalSpace_old,

                                                                                            stepSize,

                                                                                            *searchDirection,

                                                                                            gFunctionValue,

                                                                                            *gradientInStandardNormalSpace);

                }

                // Determine search direction

                result = theSearchDirection->computeSearchDirection(steps,

                        *u, gFunctionValue, *gradientInStandardNormalSpace );

                if (result < 0) {

                        opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                << " could not compute search direction. " << endln;

                        return -1;

                }

                *searchDirection = theSearchDirection->getSearchDirection();

                // Determine step size

                result = theStepSizeRule->computeStepSize(

                        *u, *gradientInStandardNormalSpace, gFunctionValue, *searchDirection, steps);

                if (result < 0) {  

            // something went wrong

                        opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

                                << " could not compute step size. " << endln;

                        return -1;

                }

                else if (result == 0) {  

            // nothing was evaluated in step size

                        evaluationInStepSize = 0;

                }

                else if (result == 1) {  

            // the gfun was evaluated

                        evaluationInStepSize = 1;

                        gFunctionValue_old = gFunctionValue;

                        gFunctionValue = theStepSizeRule->getGFunValue();

                }

                stepSize = theStepSizeRule->getStepSize();

                // save the previous displacement before modifying

                u_old = *u;

                double udiff = 20.0;

                double stepSizeMod = 1.0;

                // Determine new iteration point (take the step), BUT limit the maximum jump that can occur

                while ( fabs(udiff) > 15 ) {

                        *u = u_old;

                        if (stepSizeMod < 1 && printFlag != 0)

                          opserr << "SearchWithStepSizeAndStepDirection:: reducing stepSize using modification factor of " << stepSizeMod << endln;

                        //u = u_old + (searchDirection * stepSize);

                        u->addVector(1.0, *searchDirection, stepSize*stepSizeMod);

                        udiff = u->Norm() - u_old.Norm();

                        stepSizeMod *= 0.75;

                }

        // Transform to x-space

                result = theProbabilityTransformation->transform_u_to_x(*u, *x);

                if (result < 0) {

            opserr << "SearchWithStepSizeAndStepDirection::doTheActualSearch() - " << endln

            << " could not transform from u to x." << endln;

            return -1;

                }

        // update domain with new x values

        RandomVariable *theRV;

        RandomVariableIter &rvIter = theReliabilityDomain->getRandomVariables();

        //for ( int i=0 ; i<nrv ; i++ ) {

        while ((theRV = rvIter()) != 0) {

            int rvTag = theRV->getTag();

            //int i = theRV->getIndex();

            int i = theReliabilityDomain->getRandomVariableIndex(rvTag);

            theRV->setCurrentValue( (*x)(i) );

        }

                // Increment the loop parameter

                steps++;

        }

        // Print a message if max number of iterations was reached

        // (Note: in this case the last trial point was never transformed/printed)

        opserr << "Maximum number of iterations was reached before convergence." << endln;

        /*

        if (printFlag != 0)

                outputFile2.close();

        */

        return -1;

}

const Vector&

SearchWithStepSizeAndStepDirection::get_x()

{

        return *x;

}

const Vector &

SearchWithStepSizeAndStepDirection::get_u()

{

        return *u;

}

const Vector&

SearchWithStepSizeAndStepDirection::get_alpha()

{

        return *alpha;

}

const Vector&

SearchWithStepSizeAndStepDirection::get_gamma()

{

  if (gamma->Norm() > 1.0)

    gamma->Normalize();

  return *gamma;

}

int

SearchWithStepSizeAndStepDirection::getNumberOfSteps()

{

        return (steps-1);

}

const Vector&

SearchWithStepSizeAndStepDirection::getSecondLast_u()

{

        return *uSecondLast;

}

const Vector&

SearchWithStepSizeAndStepDirection::getSecondLast_alpha()

{

        return *alphaSecondLast;

}

const Vector&

SearchWithStepSizeAndStepDirection::getLastSearchDirection()

{

        return *searchDirection;

}

double

SearchWithStepSizeAndStepDirection::getFirstGFunValue()

{

        return Gfirst;

}

double

SearchWithStepSizeAndStepDirection::getLastGFunValue()

{

        return Glast;

}

const Vector&

SearchWithStepSizeAndStepDirection::getGradientInStandardNormalSpace()

{

        return *gradientInStandardNormalSpace;

}

int

SearchWithStepSizeAndStepDirection::getNumberOfEvaluations()

{

        return numberOfEvaluations;

}

// Quan and Michele

int SearchWithStepSizeAndStepDirection::setStartPt(Vector * pStartPt)

{

  //startPoint->addVector(0.0,(*pStartPt),1.0);

        return 0;

}