def test_toy_model():
"""test DTRAM with toy model"""
C_K_ij = np.array(
[[[2358, 29, 0], [29, 0, 32], [0, 32, 197518]],
[[16818, 16763, 0], [16763, 0, 16510], [0, 16510, 16635]]],
dtype=np.intc)
b_K_i = np.array([[0.0, 0.0, 0.0], [4.0, 0.0, 8.0]], dtype=np.float64)
dtram = DTRAM(C_K_ij, b_K_i)
assert_raises(NotConvergedWarning,
dtram.sc_iteration,
maxiter=1,
ftol=1.0E-80,
verbose=False)
dtram.sc_iteration(maxiter=200000, ftol=1.0E-15, verbose=True)
pi = np.array([1.82026887e-02, 3.30458960e-04, 9.81466852e-01],
dtype=np.float64)
T = np.array([[9.90504397e-01, 9.49560284e-03, 0.0],
[5.23046803e-01, 0.0, 4.76953197e-01],
[0.0, 1.60589690e-04, 9.99839410e-01]],
dtype=np.float64)
print(pi)
print(dtram.pi_i)
assert_true(np.max(np.abs(dtram.pi_i - pi)) < 1.0E-8)
assert_true(
np.max(np.abs(dtram.estimate_transition_matrix(0) - T)) < 1.0E-8)
def test_toy_model():
"""test DTRAM with toy model"""
C_K_ij = np.array([
[[2358, 29, 0], [29, 0, 32], [0, 32, 197518]],
[[16818, 16763, 0], [16763, 0, 16510], [0, 16510, 16635]]], dtype=np.intc)
b_K_i = np.array([[0.0, 0.0, 0.0], [4.0, 0.0, 8.0]], dtype=np.float64)
dtram = DTRAM(C_K_ij, b_K_i)
assert_raises(NotConvergedWarning, dtram.sc_iteration, maxiter=1, ftol=1.0E-80, verbose=False)
dtram.sc_iteration(maxiter=200000, ftol=1.0E-15, verbose=True)
pi = np.array([1.82026887e-02, 3.30458960e-04, 9.81466852e-01], dtype=np.float64)
T = np.array([
[9.90504397e-01, 9.49560284e-03, 0.0],
[5.23046803e-01, 0.0, 4.76953197e-01],
[0.0, 1.60589690e-04, 9.99839410e-01]], dtype=np.float64)
print pi
print dtram.pi_i
assert_true(np.max(np.abs(dtram.pi_i - pi)) < 1.0E-8)
assert_true(np.max(np.abs(dtram.estimate_transition_matrix(0) - T)) < 1.0E-8)
exit( 1 )
print "#\n### SYSTEM INFORMATION\n#"
print "# %25s %24d" % ( "[markov states]", tramdata.n_markov_states )
print "# %25s %24d" % ( "[thermodynamic states]", tramdata.n_therm_states )
############################################################################
#
# run the self-consistent-iteration
#
############################################################################
print "#\n#################################### RUN DTRAM #####################################\n#"
try:
print "# Run self-consistent-iteration"
dtram_obj.sc_iteration( maxiter=args.maxiter, ftol=args.ftol, verbose=args.verbose )
print "# ... converged!"
except NotConvergedWarning, e:
print "#\n### WARNING\n#\n# dTRAM is not converged - use these results carefuly!"
print "#\n### RECOMMENDATION\n#\n# Run dtram.py again and increase --maxiter"
############################################################################
#
# print out the results
#
############################################################################
print "#\n##################################### RESULTS ######################################"
print "#\n### UNBIASED STATIONARY VECTOR\n#"
print "# %25s %25s" % ( "[markov state]", "[stationary probability]" )
print "#\n### ABORTING\n\n"
exit(1)
print "#\n### SYSTEM INFORMATION\n#"
print "# %25s %24d" % ("[markov states]", tramdata.n_markov_states)
print "# %25s %24d" % ("[thermodynamic states]", tramdata.n_therm_states)
############################################################################
#
# run the self-consistent-iteration
#
############################################################################
print "#\n#################################### RUN DTRAM #####################################\n#"
try:
print "# Run self-consistent-iteration"
dtram_obj.sc_iteration(maxiter=args.maxiter,
ftol=args.ftol,
verbose=args.verbose)
print "# ... converged!"
except NotConvergedWarning, e:
print "#\n### WARNING\n#\n# dTRAM is not converged - use these results carefuly!"
print "#\n### RECOMMENDATION\n#\n# Run dtram.py again and increase --maxiter"
############################################################################
#
# print out the results
#
############################################################################
print "#\n##################################### RESULTS ######################################"
print "#\n### UNBIASED STATIONARY VECTOR\n#"
print "# %25s %25s" % ("[markov state]", "[stationary probability]")
for i in xrange(dtram_obj.pi_i.shape[0]):
