Есть ли способ рассчитать все возможные комбинации нескольких массивов? - PullRequest
Новая
       15

Есть ли способ рассчитать все возможные комбинации нескольких массивов?

0 голосов
/ 27 марта 2019

Я пытаюсь найти значения для четырех различных параметров (kc, tauI, tauC, tauD), чтобы оптимизировать производительность контроллера. Я хочу, чтобы моя программа тестировала как можно больше комбинаций в течение разумного периода времени в заданном диапазоне чисел. Мне нужна помощь с выяснением, как попробовать все комбинации параметров в заданном диапазоне.

Я пытался использовать itertools.combinsk, но, похоже, он не работает с массивами. Это не столько вопрос синтаксиса, сколько вопрос о том, какой подход использовать для решения этой проблемы. 

    kc = np.linspace (0.1 , 1, 10)
    tauI = np.linspace (0.1 , 1, 10)
    tauD = np.linspace (0.1 , 1, 10)
    tauC = np.linspace (0.1 , 1, 10)

    def performance(kc, tauI, tauD, tauC):

        # defining s
        s = control.tf([1, 0], [0, 1])

        # defining all combinations of parameters to test for controller 
        performance
        possible_combinations = itertools.combinations([kc, tauI, tauD, tauC])

        index = 0
        best_performance = 1000

        for i in possible_combinations:
            kc = possible_combinations[index][0]
            tauI = possible_combinations[index][1]
            tauD = possible_combinations[index][2]
            tauC = possible_combinations[index][3]

            # defining the transfer functions
            Gp = 1/(s**2 + s + 1)
            Gd = (s + 1)/(s**2 + s + 1)
            Gc = Kc * (1 + 1/(tauI*s) + (tauD * s)/(tauC * s + 1))

            # defining the system
            sys_D = Gd/(1 + Gp * Gc)
            sys_U = Gc/(1 + Gp * Gc)

            # calculate the performance

            total_performance = 0.

            # loop through csv files and calculate performance
            for filename in all_files:
                # import disturbance from csv
                T_i = pd.read_csv(filename, header = 0)
                T_i = T_i.values.reshape(1,60)
                # calculate output response
                Y = Y_func(sys_D, time_array, T_i)
                # calculate input response
                U = U_func(sys_U, time_array, Y)
                # calculate performance for this csv file
                perfect = perf(Y, U)
                # add the performance for this csv to the total performance
                total_performance += perfect

            # calculate the average performance
            average_perf = total_performance/len(all_files)

            # check if the performance for these parameters were better than 
            # previously run tests
            if average_perf < best_performance:
                best_performance = average_perf
                kept_kc = kc
                kept_tauI = tauI
                kept_tauD = tauD
                kept_tauC = tauC

1 Ответ

0 голосов
/ 28 марта 2019

Это будет генерировать то, что вам, похоже, нужно.Является ли это лучше, чем помещать код в цикле 4 для циклов, я не уверен.

...