← Back to branch summary

~ubuntu-branches/ubuntu/maverick/commons-math/maverick

« back to all changes in this revision

Viewing changes to src/test/java/org/apache/commons/math/optimization/MultiStartDifferentiableMultivariateRealOptimizerTest.java

  • Committer: Bazaar Package Importer
  • Author(s): Damien Raude-Morvan
  • Date: 2009-08-22 01:13:25 UTC
  • mfrom: (1.1.1 upstream)
  • Revision ID: james.westby@ubuntu.com-20090822011325-hi4peq1ua5weguwn
Tags: 2.0-1
* New upstream release.
* Set Maintainer field to Debian Java Team
* Add myself as Uploaders
* Switch to Quilt patch system:
  - Refresh all patchs
  - Remove B-D on dpatch, Add B-D on quilt
  - Include patchsys-quilt.mk in debian/rules
* Bump Standards-Version to 3.8.3:
  - Add a README.source to describe patch system
* Maven POMs:
  - Add a Build-Depends-Indep dependency on maven-repo-helper
  - Use mh_installpom and mh_installjar to install the POM and the jar to the
    Maven repository
* Use default-jdk/jre:
  - Depends on java5-runtime-headless
  - Build-Depends on default-jdk
  - Use /usr/lib/jvm/default-java as JAVA_HOME
* Move api documentation to /usr/share/doc/libcommons-math-java/api
* Build-Depends on junit4 instead of junit

Show diffs side-by-side

added added

removed removed

Lines of Context:
src/test/java/org/apache/commons/math/optimization/MultiStartDifferentiableMultivariateRealOptimizerTest.java
 
1
/*
 
2
 * Licensed to the Apache Software Foundation (ASF) under one or more
 
3
 * contributor license agreements.  See the NOTICE file distributed with
 
4
 * this work for additional information regarding copyright ownership.
 
5
 * The ASF licenses this file to You under the Apache License, Version 2.0
 
6
 * (the "License"); you may not use this file except in compliance with
 
7
 * the License.  You may obtain a copy of the License at
 
8
 *
 
9
 *      http://www.apache.org/licenses/LICENSE-2.0
 
10
 *
 
11
 * Unless required by applicable law or agreed to in writing, software
 
12
 * distributed under the License is distributed on an "AS IS" BASIS,
 
13
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 
14
 * See the License for the specific language governing permissions and
 
15
 * limitations under the License.
 
16
 */
 
17
 
 
18
package org.apache.commons.math.optimization;
 
19
 
 
20
import static org.junit.Assert.assertEquals;
 
21
import static org.junit.Assert.assertTrue;
 
22
 
 
23
import java.awt.geom.Point2D;
 
24
import java.util.ArrayList;
 
25
 
 
26
import org.apache.commons.math.FunctionEvaluationException;
 
27
import org.apache.commons.math.analysis.DifferentiableMultivariateRealFunction;
 
28
import org.apache.commons.math.analysis.MultivariateRealFunction;
 
29
import org.apache.commons.math.analysis.MultivariateVectorialFunction;
 
30
import org.apache.commons.math.analysis.solvers.BrentSolver;
 
31
import org.apache.commons.math.optimization.general.ConjugateGradientFormula;
 
32
import org.apache.commons.math.optimization.general.NonLinearConjugateGradientOptimizer;
 
33
import org.apache.commons.math.random.GaussianRandomGenerator;
 
34
import org.apache.commons.math.random.JDKRandomGenerator;
 
35
import org.apache.commons.math.random.RandomVectorGenerator;
 
36
import org.apache.commons.math.random.UncorrelatedRandomVectorGenerator;
 
37
import org.junit.Test;
 
38
 
 
39
public class MultiStartDifferentiableMultivariateRealOptimizerTest {
 
40
 
 
41
    @Test
 
42
    public void testCircleFitting() throws FunctionEvaluationException, OptimizationException {
 
43
        Circle circle = new Circle();
 
44
        circle.addPoint( 30.0,  68.0);
 
45
        circle.addPoint( 50.0,  -6.0);
 
46
        circle.addPoint(110.0, -20.0);
 
47
        circle.addPoint( 35.0,  15.0);
 
48
        circle.addPoint( 45.0,  97.0);
 
49
        NonLinearConjugateGradientOptimizer underlying =
 
50
            new NonLinearConjugateGradientOptimizer(ConjugateGradientFormula.POLAK_RIBIERE);
 
51
        JDKRandomGenerator g = new JDKRandomGenerator();
 
52
        g.setSeed(753289573253l);
 
53
        RandomVectorGenerator generator =
 
54
            new UncorrelatedRandomVectorGenerator(new double[] { 50.0, 50.0 }, new double[] { 10.0, 10.0 },
 
55
                                                  new GaussianRandomGenerator(g));
 
56
        MultiStartDifferentiableMultivariateRealOptimizer optimizer =
 
57
            new MultiStartDifferentiableMultivariateRealOptimizer(underlying, 10, generator);
 
58
        optimizer.setMaxIterations(100);
 
59
        assertEquals(100, optimizer.getMaxIterations());
 
60
        optimizer.setMaxEvaluations(100);
 
61
        assertEquals(100, optimizer.getMaxEvaluations());
 
62
        optimizer.setConvergenceChecker(new SimpleScalarValueChecker(1.0e-10, 1.0e-10));
 
63
        BrentSolver solver = new BrentSolver();
 
64
        solver.setAbsoluteAccuracy(1.0e-13);
 
65
        solver.setRelativeAccuracy(1.0e-15);
 
66
        RealPointValuePair optimum =
 
67
            optimizer.optimize(circle, GoalType.MINIMIZE, new double[] { 98.680, 47.345 });
 
68
        RealPointValuePair[] optima = optimizer.getOptima();
 
69
        for (RealPointValuePair o : optima) {
 
70
            Point2D.Double center = new Point2D.Double(o.getPointRef()[0], o.getPointRef()[1]);
 
71
            assertEquals(69.960161753, circle.getRadius(center), 1.0e-8);
 
72
            assertEquals(96.075902096, center.x, 1.0e-8);
 
73
            assertEquals(48.135167894, center.y, 1.0e-8);
 
74
        }
 
75
        assertTrue(optimizer.getGradientEvaluations() > 650);
 
76
        assertTrue(optimizer.getGradientEvaluations() < 700);
 
77
        assertTrue(optimizer.getEvaluations() > 70);
 
78
        assertTrue(optimizer.getEvaluations() < 90);
 
79
        assertTrue(optimizer.getIterations() > 70);
 
80
        assertTrue(optimizer.getIterations() < 90);
 
81
        assertEquals(3.1267527, optimum.getValue(), 1.0e-8);
 
82
    }
 
83
 
 
84
    private static class Circle implements DifferentiableMultivariateRealFunction {
 
85
 
 
86
        private ArrayList<Point2D.Double> points;
 
87
 
 
88
        public Circle() {
 
89
            points  = new ArrayList<Point2D.Double>();
 
90
        }
 
91
 
 
92
        public void addPoint(double px, double py) {
 
93
            points.add(new Point2D.Double(px, py));
 
94
        }
 
95
 
 
96
        public double getRadius(Point2D.Double center) {
 
97
            double r = 0;
 
98
            for (Point2D.Double point : points) {
 
99
                r += point.distance(center);
 
100
            }
 
101
            return r / points.size();
 
102
        }
 
103
 
 
104
        private double[] gradient(double[] point) {
 
105
 
 
106
            // optimal radius
 
107
            Point2D.Double center = new Point2D.Double(point[0], point[1]);
 
108
            double radius = getRadius(center);
 
109
 
 
110
            // gradient of the sum of squared residuals
 
111
            double dJdX = 0;
 
112
            double dJdY = 0;
 
113
            for (Point2D.Double pk : points) {
 
114
                double dk = pk.distance(center);
 
115
                dJdX += (center.x - pk.x) * (dk - radius) / dk;
 
116
                dJdY += (center.y - pk.y) * (dk - radius) / dk;
 
117
            }
 
118
            dJdX *= 2;
 
119
            dJdY *= 2;
 
120
 
 
121
            return new double[] { dJdX, dJdY };
 
122
 
 
123
        }
 
124
 
 
125
        public double value(double[] variables)
 
126
        throws IllegalArgumentException, FunctionEvaluationException {
 
127
 
 
128
            Point2D.Double center = new Point2D.Double(variables[0], variables[1]);
 
129
            double radius = getRadius(center);
 
130
 
 
131
            double sum = 0;
 
132
            for (Point2D.Double point : points) {
 
133
                double di = point.distance(center) - radius;
 
134
                sum += di * di;
 
135
            }
 
136
 
 
137
            return sum;
 
138
 
 
139
        }
 
140
 
 
141
        public MultivariateVectorialFunction gradient() {
 
142
            return new MultivariateVectorialFunction() {
 
143
                public double[] value(double[] point) {
 
144
                    return gradient(point);
 
145
                }
 
146
            };
 
147
        }
 
148
 
 
149
        public MultivariateRealFunction partialDerivative(final int k) {
 
150
            return new MultivariateRealFunction() {
 
151
                public double value(double[] point) {
 
152
                    return gradient(point)[k];
 
153
                }
 
154
            };
 
155
        }
 
156
 
 
157
    }
 
158
 
 
159
}