pyfemtet 0.9.5__py3-none-any.whl → 1.0.0b0__py3-none-any.whl

pyfemtet/opt/samples/femprj_sample_jp/paswat_ex1_parametric_jp.py

@@ -1,58 +0,0 @@
-"""多目的の最適化: プリント基板上ICの空冷（強制対流）
-
-Femtet の簡易熱流体解析ソルバを利用して、強制対流を受ける
-プリント基板上のICチップについて、チップ温度を低減しつつ
-基板サイズを小さくする設計を行います。
-
-対応プロジェクト：paswat_ex1_parametric_jp.femprj
-"""
-from pyfemtet.opt import FEMOpt
-
-
-def chip_temp(Femtet, chip_name):
-    """チップの最高温度を取得します。
-
-    Note:
-        目的関数または制約関数は、
-        第一引数としてFemtetを受け取り、
-        戻り値としてfloat型を返す必要があります。
-
-    Params:
-        Femtet: Femtet をマクロで操作するためのインスタンスです。詳細な情報については、「Femtet マクロヘルプ」をご覧ください。
-        chip_name (str): femprj 内で定義されているボディ属性名です。有効な値は 'MAINCHIP' 又は 'SUBCHIP' です。
-
-    Returns:
-        float: 指定されたボディ属性名のボディの最高温度です。
-    """
-    Gogh = Femtet.Gogh
-
-    max_temperature, min_temperature, mean_temperature = Gogh.Watt.GetTemp(chip_name)
-
-    return max_temperature  # 単位: 度
-
-
-def substrate_size(Femtet):
-    """基板のXY平面上での専有面積を計算します。"""
-    substrate_w = Femtet.GetVariableValue('substrate_w')
-    substrate_d = Femtet.GetVariableValue('substrate_d')
-    return substrate_w * substrate_d  # 単位: mm2
-
-
-if __name__ == '__main__':
-
-    # FEMOpt オブジェクトの初期化 (最適化問題とFemtetとの接続を行います)
-    femopt = FEMOpt()
-
-    # 設計変数を最適化問題に追加 (femprj ファイルに登録されている変数を指定してください)
-    femopt.add_parameter("substrate_w", 40, lower_bound=22, upper_bound=60)
-    femopt.add_parameter("substrate_d", 60, lower_bound=34, upper_bound=60)
-    femopt.add_parameter("rot", 0, lower_bound=0, upper_bound=180)
-
-    # 目的関数を最適化問題に追加
-    femopt.add_objective(chip_temp, name='MAINCHIP<br>最高温度（度）', direction='minimize', args=('MAINCHIP',))
-    femopt.add_objective(chip_temp, name='SUBCHIP<br>最高温度（度）', direction='minimize', args=('SUBCHIP',))
-    femopt.add_objective(substrate_size, name='基板サイズ（mm2）', direction='minimize')
-
-    # 最適化を実行
-    femopt.set_random_seed(42)
-    femopt.optimize(n_trials=15)

pyfemtet/opt/samples/femprj_sample_jp/paswat_ex1_parametric_parallel_jp.py

@@ -1,59 +0,0 @@
-"""多目的の最適化: プリント基板上ICの空冷（強制対流）
-
-Femtet の簡易熱流体解析ソルバを利用して、強制対流を受ける
-プリント基板上のICチップについて、チップ温度を低減しつつ
-基板サイズを小さくする設計を行います。
-
-対応プロジェクト：paswat_ex1_parametric_jp.femprj
-"""
-from pyfemtet.opt import FEMOpt
-
-
-def chip_temp(Femtet, chip_name):
-    """チップの最高温度を取得します。
-
-    Note:
-        目的関数または制約関数は、
-        第一引数としてFemtetを受け取り、
-        戻り値としてfloat型を返す必要があります。
-
-    Params:
-        Femtet: Femtet をマクロで操作するためのインスタンスです。詳細な情報については、「Femtet マクロヘルプ」をご覧ください。
-        chip_name (str): femprj 内で定義されているボディ属性名です。有効な値は 'MAINCHIP' 又は 'SUBCHIP' です。
-
-    Returns:
-        float: 指定されたボディ属性名のボディの最高温度です。
-    """
-    Gogh = Femtet.Gogh
-
-    max_temperature, min_temperature, mean_temperature = Gogh.Watt.GetTemp(chip_name)
-
-    return max_temperature  # 単位: 度
-
-
-def substrate_size(Femtet):
-    """基板のXY平面上での専有面積を計算します。"""
-    substrate_w = Femtet.GetVariableValue('substrate_w')
-    substrate_d = Femtet.GetVariableValue('substrate_d')
-    return substrate_w * substrate_d  # 単位: mm2
-
-
-if __name__ == '__main__':
-
-    # FEMOpt オブジェクトの初期化 (最適化問題とFemtetとの接続を行います)
-    femopt = FEMOpt()
-
-    # 設計変数を最適化問題に追加 (femprj ファイルに登録されている変数を指定してください)
-    femopt.add_parameter("substrate_w", 40, lower_bound=22, upper_bound=60)
-    femopt.add_parameter("substrate_d", 60, lower_bound=34, upper_bound=60)
-    femopt.add_parameter("rot", 0, lower_bound=0, upper_bound=180)
-
-    # 目的関数を最適化問題に追加
-    femopt.add_objective(chip_temp, name='MAINCHIP<br>最高温度（度）', direction='minimize', args=('MAINCHIP',))
-    femopt.add_objective(chip_temp, name='SUBCHIP<br>最高温度（度）', direction='minimize', args=('SUBCHIP',))
-    femopt.add_objective(substrate_size, name='基板サイズ（mm2）', direction='minimize')
-
-    # 最適化を実行
-    femopt.set_random_seed(42)
-    # femopt.optimize(n_trials=15)
-    femopt.optimize(n_trials=30, n_parallel=3)  # 並列計算しない場合との差はこの行のみです。

pyfemtet/opt/samples/femprj_sample_jp/wat_ex14_parametric_jp.py

@@ -1,56 +0,0 @@
-"""多目的最適化: プリント基板上ICの発熱
-
-Femtetの熱伝導解析ソルバを使用して、ICチップの発熱を抑えつつ
-基板サイズを小さくする設計を行います。
-
-対応プロジェクト: wat_ex14_parametric_jp.femprj
-"""
-from pyfemtet.opt import FEMOpt
-
-
-def chip_temp(Femtet, chip_name):
-    """チップの最高温度を取得します。
-
-    Note:
-        目的関数または制約関数は、
-        第一引数としてFemtetを受け取り、
-        戻り値としてfloat型を返す必要があります。
-
-    Params:
-        Femtet: Femtet をマクロで操作するためのインスタンスです。詳細な情報については、「Femtet マクロヘルプ」をご覧ください。
-        chip_name (str): femprj 内で定義されているボディ属性名です。有効な値は 'MAINCHIP' 又は 'SUBCHIP' です。
-
-    Returns:
-        float: 指定されたボディ属性名のボディの最高温度です。
-    """
-    Gogh = Femtet.Gogh
-
-    max_temperature, min_temperature, mean_temperature = Gogh.Watt.GetTemp(chip_name)
-
-    return max_temperature  # 単位: 度
-
-
-def substrate_size(Femtet):
-    """基板のXY平面上での専有面積を計算します。"""
-    substrate_w = Femtet.GetVariableValue('substrate_w')
-    substrate_d = Femtet.GetVariableValue('substrate_d')
-    return substrate_w * substrate_d  # 単位: mm2
-
-
-if __name__ == '__main__':
-
-    # FEMOpt オブジェクトの初期化 (最適化問題とFemtetとの接続を行います)
-    femopt = FEMOpt()
-
-    # 設計変数を最適化問題に追加 (femprj ファイルに登録されている変数を指定してください)
-    femopt.add_parameter("substrate_w", 40, lower_bound=22, upper_bound=60)
-    femopt.add_parameter("substrate_d", 60, lower_bound=34, upper_bound=60)
-
-    # 目的関数を最適化問題に追加
-    femopt.add_objective(chip_temp, name='MAINCHIP<br>最高温度(度)', direction='minimize', args=('MAINCHIP',))
-    femopt.add_objective(chip_temp, name='SUBCHIP<br>最高温度(度)', direction='minimize', args=('SUBCHIP',))
-    femopt.add_objective(substrate_size, name='基板サイズ(mm2)')
-
-    # 最適化を実行
-    femopt.set_random_seed(42)
-    femopt.optimize(n_trials=15)

pyfemtet/opt/samples/femprj_sample_jp/wat_ex14_parametric_parallel_jp.py

@@ -1,56 +0,0 @@
-"""多目的最適化: プリント基板上ICの発熱
-
-Femtetの熱伝導解析ソルバを使用して、ICチップの発熱を抑えつつ
-基板サイズを小さくする設計を行います。
-
-対応プロジェクト: wat_ex14_parametric_jp.femprj
-"""
-from pyfemtet.opt import FEMOpt
-
-
-def chip_temp(Femtet, chip_name):
-    """チップの最高温度を取得します。
-
-    Note:
-        目的関数または制約関数は、
-        第一引数としてFemtetを受け取り、
-        戻り値としてfloat型を返す必要があります。
-
-    Params:
-        Femtet: Femtet をマクロで操作するためのインスタンスです。詳細な情報については、「Femtet マクロヘルプ」をご覧ください。
-        chip_name (str): femprj 内で定義されているボディ属性名です。有効な値は 'MAINCHIP' 又は 'SUBCHIP' です。
-
-    Returns:
-        float: 指定されたボディ属性名のボディの最高温度です。
-    """
-    Gogh = Femtet.Gogh
-
-    max_temperature, min_temperature, mean_temperature = Gogh.Watt.GetTemp(chip_name)
-
-    return max_temperature  # 単位: 度
-
-
-def substrate_size(Femtet):
-    """基板のXY平面上での専有面積を計算します。"""
-    substrate_w = Femtet.GetVariableValue('substrate_w')
-    substrate_d = Femtet.GetVariableValue('substrate_d')
-    return substrate_w * substrate_d  # 単位: mm2
-
-
-if __name__ == '__main__':
-
-    # FEMOpt オブジェクトの初期化 (最適化問題とFemtetとの接続を行います)
-    femopt = FEMOpt()
-
-    # 設計変数を最適化問題に追加 (femprj ファイルに登録されている変数を指定してください)
-    femopt.add_parameter("substrate_w", 40, lower_bound=22, upper_bound=60)
-    femopt.add_parameter("substrate_d", 60, lower_bound=34, upper_bound=60)
-
-    # 目的関数を最適化問題に追加
-    femopt.add_objective(chip_temp, name='MAINCHIP<br>最高温度(度)', direction='minimize', args=('MAINCHIP',))
-    femopt.add_objective(chip_temp, name='SUBCHIP<br>最高温度(度)', direction='minimize', args=('SUBCHIP',))
-    femopt.add_objective(substrate_size, name='基板サイズ(mm2)')
-
-    # 最適化を実行
-    femopt.set_random_seed(42)
-    femopt.optimize(n_trials=15, n_parallel=3)  # この部分のみ変更します

pyfemtet/opt/visualization/_complex_components/main_figure_creator.py

@@ -1,332 +0,0 @@
-import pandas as pd
-import plotly.graph_objs as go
-import plotly.express as px
-
-from pyfemtet.opt._femopt_core import History
-from pyfemtet._message import Msg
-
-
-class _ColorSet:
-    non_domi = {True: '#007bff', False: '#6c757d'}  # color
-
-
-class _SymbolSet:
-    feasible = {True: 'circle', False: 'circle-open'}  # style
-
-
-class _LanguageSet:
-
-    feasible = {'label': 'feasible', True: True, False: False}
-    non_domi = {'label': 'non_domi', True: True, False: False}
-
-    def __init__(self):
-        self.feasible = {
-            'label': Msg.LEGEND_LABEL_CONSTRAINT,
-            True: Msg.LEGEND_LABEL_FEASIBLE,
-            False: Msg.LEGEND_LABEL_INFEASIBLE,
-        }
-        self.non_domi = {
-            'label': Msg.LEGEND_LABEL_OPTIMAL,
-            True: Msg.LEGEND_LABEL_NON_DOMI,
-            False: Msg.LEGEND_LABEL_DOMI,
-        }
-
-    def localize(self, df):
-        # 元のオブジェクトを変更しないようにコピー
-        cdf = df.copy()
-
-        # feasible, non_domi の localize
-        cdf[self.feasible['label']] = [self.feasible[v] for v in cdf['feasible']]
-        cdf[self.non_domi['label']] = [self.non_domi[v] for v in cdf['non_domi']]
-
-        return cdf
-
-
-_ls = _LanguageSet()
-_cs = _ColorSet()
-_ss = _SymbolSet()
-
-
-def get_hypervolume_plot(_: History, df):
-    df = _ls.localize(df)
-
-    # create figure
-    fig = px.line(
-        df,
-        x="trial",
-        y="hypervolume",
-        markers=True,
-        custom_data=['trial'],
-    )
-
-    fig.update_layout(
-        dict(
-            title_text=Msg.GRAPH_TITLE_HYPERVOLUME,
-            # transition_duration=1000,  # Causes graph freeze on tab change
-            xaxis_title=Msg.GRAPH_AXIS_LABEL_TRIAL,
-            yaxis_title='hypervolume',
-        )
-    )
-
-    return fig
-
-
-def get_default_figure(history, df):
-    # df = history.local_data  # monitor process and history process is different workers, so history.local_data is not updated in monitor process.
-    # df = history.actor_data.copy()  # access to actor from flask callback makes termination unstable.
-
-    # data setting
-    obj_names = history.obj_names
-
-    fig = go.Figure()
-
-    if len(obj_names) == 1:
-        fig = _get_single_objective_plot(history, df)
-
-    elif len(obj_names) >= 2:
-        fig = _get_multi_objective_pairplot(history, df)
-
-    fig.update_traces(hoverinfo="none", hovertemplate=None)
-    fig.update_layout(
-        clickmode='event+select',
-        transition_duration=1000,
-    )
-
-    return fig
-
-
-def _get_single_objective_plot(history, df):
-
-    df = _ls.localize(df)
-    obj_name = history.obj_names[0]
-
-    df.columns = [c.replace(' / ', '<BR>/ ') for c in df.columns]
-    obj_name = obj_name.replace(' / ', '<BR>/ ')
-
-    # ===== base figure =====
-    fig = go.Figure()
-
-    # ===== i 番目が、その時点までで最適かどうか =====
-    # その時点までの最適な点 index
-    indices = []
-    anti_indices = []
-    objectives = df[obj_name].values
-    objective_directions = df[f'{obj_name}_direction'].values
-    for i, (obj, direction) in enumerate(zip(objectives, objective_directions)):
-        # DESCRIPTION: 最適化中に direction は変化しない前提
-        if direction == 'maximize':
-            if obj == max(objectives[:i+1]):
-                indices.append(i)
-            else:
-                anti_indices.append(i)
-        elif direction == 'minimize':
-            if obj == min(objectives[:i+1]):
-                indices.append(i)
-            else:
-                anti_indices.append(i)
-        else:
-            residuals = (objectives - objective_directions) ** 2
-            residual = residuals[i]
-            if residual == min(residuals[:i+1]):
-                indices.append(i)
-            else:
-                anti_indices.append(i)
-
-    # ===== 最適でない点を灰色で打つ =====
-    fig.add_trace(
-        go.Scatter(
-            x=df['trial'],
-            y=df[obj_name],
-            customdata=df['trial'].values.reshape((-1, 1)),
-            # x=df['trial'][anti_indices],
-            # y=df[obj_name][anti_indices],
-            # customdata=df['trial'][anti_indices].values.reshape((-1, 1)),
-            mode="markers",
-            marker=dict(color='#6c757d', size=6),
-            name=Msg.LEGEND_LABEL_ALL_SOLUTIONS,
-        )
-    )
-
-    # ===== その時点までの最小の点を青で打つ =====
-    fig.add_trace(
-        go.Scatter(
-            x=df['trial'].iloc[indices],
-            y=df[obj_name].iloc[indices],
-            mode="markers+lines",
-            marker=dict(color='#007bff', size=9),
-            name=Msg.LEGEND_LABEL_OPTIMAL_SOLUTIONS,
-            line=dict(width=1, color='#6c757d',),
-            customdata=df['trial'].iloc[indices].values.reshape((-1, 1)),
-            legendgroup='optimal',
-        )
-    )
-
-    # ===== その時点までの最小の点から現在までの平行点線を引く =====
-    if len(indices) > 1:
-        x = [df['trial'].iloc[indices].iloc[-1], df['trial'].iloc[-1]]
-        y = [df[obj_name].iloc[indices].iloc[-1]] * 2
-        fig.add_trace(
-            go.Scatter(
-                x=x,
-                y=y,
-                mode="lines",
-                line=dict(width=0.5, color='#6c757d', dash='dash'),
-                showlegend=False,
-                legendgroup='optimal',
-            )
-        )
-
-    # ===== direction が float の場合、目標値を描く =====
-    if len(df) > 1:
-        if isinstance(objective_directions[0], float):
-            x = [df['trial'].iloc[0], df['trial'].iloc[-1]]
-            y = [objective_directions[0]] * 2
-            fig.add_trace(
-                go.Scatter(
-                    x=x,
-                    y=y,
-                    mode="lines",
-                    line=dict(width=0.5, color='#FF2400', dash='dash'),
-                    name=Msg.LEGEND_LABEL_OBJECTIVE_TARGET,
-                )
-            )
-
-
-    # ===== layout =====
-    fig.update_layout(
-        dict(
-            title_text=Msg.GRAPH_TITLE_SINGLE_OBJECTIVE,
-            xaxis_title=Msg.GRAPH_AXIS_LABEL_TRIAL,
-            yaxis_title=obj_name,
-        )
-    )
-
-    return fig
-
-
-def _get_multi_objective_pairplot(history, df):
-    df = _ls.localize(df)
-
-    obj_names = history.obj_names
-
-    df.columns = [c.replace(' / ', '<BR>/ ') for c in df.columns]
-    obj_names = [o.replace(' / ', '<BR>/ ') for o in obj_names]
-
-    common_kwargs = dict(
-        color=_ls.non_domi['label'],
-        color_discrete_map={
-            _ls.non_domi[True]: _cs.non_domi[True],
-            _ls.non_domi[False]: _cs.non_domi[False],
-        },
-        symbol=_ls.feasible['label'],
-        symbol_map={
-            _ls.feasible[True]: _ss.feasible[True],
-            _ls.feasible[False]: _ss.feasible[False],
-        },
-        custom_data=['trial'],
-        category_orders={
-            _ls.feasible['label']: (_ls.feasible[False], _ls.feasible[True]),
-            _ls.non_domi['label']: (_ls.non_domi[False], _ls.non_domi[True]),
-        },
-    )
-
-    if len(obj_names) == 2:
-        fig = px.scatter(
-            data_frame=df,
-            x=obj_names[0],
-            y=obj_names[1],
-            **common_kwargs,
-        )
-        fig.update_layout(
-            dict(
-                xaxis_title=obj_names[0],
-                yaxis_title=obj_names[1],
-            )
-        )
-
-    else:
-        fig = px.scatter_matrix(
-            data_frame=df,
-            dimensions=obj_names,
-            **common_kwargs,
-        )
-        fig.update_traces(
-            patch={'diagonal.visible': False},
-            showupperhalf=False,
-        )
-
-    fig.update_layout(
-        dict(
-            title_text=Msg.GRAPH_TITLE_MULTI_OBJECTIVE,
-        )
-    )
-
-    return fig
-
-
-def get_objective_plot(history: History, df: pd.DataFrame, obj_names: list[str]) -> go.Figure:
-    df = _ls.localize(df)
-    df.columns = [c.replace(' / ', '<BR>/ ') for c in df.columns]
-    obj_names = [o.replace(' / ', '<BR>/ ') for o in obj_names]
-
-    common_kwargs = dict(
-        color=_ls.non_domi['label'],
-        color_discrete_map={
-            _ls.non_domi[True]: _cs.non_domi[True],
-            _ls.non_domi[False]: _cs.non_domi[False],
-        },
-        symbol=_ls.feasible['label'],
-        symbol_map={
-            _ls.feasible[True]: _ss.feasible[True],
-            _ls.feasible[False]: _ss.feasible[False],
-        },
-        custom_data=['trial'],
-        category_orders={
-            _ls.feasible['label']: (_ls.feasible[False], _ls.feasible[True]),
-            _ls.non_domi['label']: (_ls.non_domi[False], _ls.non_domi[True]),
-        },
-    )
-
-    if len(obj_names) == 2:
-        fig = px.scatter(
-            data_frame=df,
-            x=obj_names[0],
-            y=obj_names[1],
-            **common_kwargs,
-        )
-        fig.update_layout(
-            dict(
-                xaxis_title=obj_names[0],
-                yaxis_title=obj_names[1],
-            )
-        )
-
-    elif len(obj_names) == 3:
-        fig = px.scatter_3d(
-            df,
-            x=obj_names[0],
-            y=obj_names[1],
-            z=obj_names[2],
-            **common_kwargs,
-        )
-        fig.update_layout(
-            margin=dict(l=0, r=0, b=0, t=30),
-        )
-        fig.update_traces(
-            marker=dict(
-                size=3,
-            ),
-        )
-
-    else:
-        raise Exception
-
-    fig.update_layout(
-        dict(
-            title_text="Objective plot",
-        )
-    )
-
-    fig.update_traces(hoverinfo="none", hovertemplate=None)
-
-    return fig