def func(ndim, x):
alp1 = 0.
alp2 = 0.
alp3 = 0.
print('x =', x)
print('A =', A)
print('Ax =', om.produitMat(A, x))
cost = 0.5 * ov.scal(om.produitMat(A, x), x)
# print('cost = ', cost)
cons1 = x[0] + x[1] + x[2] - 1
cons2 = x[0] * rendActions[0] + x[1] * rendActions[1] + x[2] * rendActions[
2] - revObj
cons3 = x[0] * x[1] / x[0] * x[1] - x[1] * x[2] / x[1] * x[2]
f = cost + alp1 * abs(cons1) + alp2 * abs(cons2) + alp3 * abs(cons3)
return f
X.append([1, dates[i]])
X = np.asarray(X)
Y1 = []
for i in range(len(temperature1)):
Y1.append(temperature1[i])
#Y1 = np.asarray(Y1)
Y2 = []
for i in range(len(temperature2)):
Y2.append(temperature2[i])
#Y2 = np.asarray(Y2)
#On va résoudre un système du type AX = B
A = om.produitMat(om.transpose(X), X)
B1 = om.produitMat(om.transpose(X), Y1)
B2 = om.produitMat(om.transpose(X), Y2)
###RECHERCHE DES COEFFICIENTS
X1 = np.linalg.solve(A, B1)
X2 = np.linalg.solve(A, B2)
###CONSTRUCTION POLYNOME D APPROXIMATION
Droite1 = []
Droite2 = []
for i in dates:
def J(x):
evaluation = om.produitMatNbr(0.5, ov.scal(om.produitMat(A, x), x))
return evaluation
def H(p):
xPrime = invA * transB * p
evaluation = 1 / 2 * ov.scal(om.produitMat(
A, invA * xPrime), xPrime) + ov.scal(p,
om.produitMat(B, xPrime) - c)
return evaluation
c = ([[1], [revObj]])
invA = om.inverse(A)
transB = om.transposee(B)
def H(p):
xPrime = invA * transB * p
evaluation = 1 / 2 * ov.scal(om.produitMat(
A, invA * xPrime), xPrime) + ov.scal(p,
om.produitMat(B, xPrime) - c)
return evaluation
#On resoud une equation du type AX = B avec A = -BA^(-1)B^T et B = c
Atemp = om.produitMat(om.produitMatNbr(-1, B), om.produitMat(invA, transB))
p = np.linalg.solve(Atemp, c)
print('p = ', p)
x = om.produitMat(invA, om.produitMat(transB, p))
for i in range(nActions):
x2 = np.zeros(nActions)
x2[i] = max(x[i], 0)
propInvestiePrimal = x2
print('propInvestiePrimal', propInvestiePrimal)
##METHODE UZAWA
###########################################