Initial commit: планирование эксперимента и оптимизация смесей

2026-07-23 15:12:32 +05:00
commit 025421193d
17 changed files with 1634 additions and 0 deletions
@@ -0,0 +1,135 @@
+# ascent.py
+"""
+Крутое восхождение (градиентный метод) для поиска оптимума.
+"""
+import numpy as np
+from core.table_io import handle_table_output
+from core.statistics import compute_regression, compute_gradient_points
+
+def ascent_menu(mixture, design, responses):
+    if not design.plan or not responses:
+        print("Нет данных для крутого восхождения: план или отклики пусты.")
+        input("Нажмите Enter для продолжения...")
+        return
+
+    active_indices = design._active_indices()
+    k = len(active_indices)
+    if k < 2:
+        print("Для крутого восхождения необходимо минимум 2 активных фактора.")
+        input("Нажмите Enter для продолжения...")
+        return
+
+    if not mixture.ings or len(mixture.ings) < 2:
+        print("В смеси нет изменяемых ингредиентов.")
+        return
+
+    base_levels = []
+    factor_names = []
+    for idx in active_indices:
+        ing_index = idx + 1
+        if ing_index >= len(mixture.ings):
+            print(f"Ошибка: индекс ингредиента {ing_index} выходит за пределы списка.")
+            return
+        factor_names.append(mixture.ings[ing_index].name)
+        base_levels.append(mixture.ings[ing_index].value)
+    print(f"\nБазовые уровни факторов: {dict(zip(factor_names, base_levels))}")
+
+    print("\nДоступные отклики:")
+    for i, resp in enumerate(responses, start=1):
+        print(f"{i}. {resp['name']}")
+    try:
+        resp_idx = int(input("Выберите номер отклика для оптимизации: ")) - 1
+        if resp_idx < 0 or resp_idx >= len(responses):
+            print("Неверный номер.")
+            return
+        response = responses[resp_idx]
+    except ValueError:
+        print("Введите число.")
+        return
+
+    plan_matrix = np.array([[row[j] for j in active_indices] for row in design.plan])
+    N = plan_matrix.shape[0]
+    X = np.hstack([np.ones((N, 1)), plan_matrix])
+    y = np.array(response["values"])
+    if len(y) != N:
+        print("Ошибка: число значений отклика не совпадает с числом опытов.")
+        return
+
+    reg = compute_regression(X, y)
+    beta = reg["beta"]
+    if np.isnan(beta).any():
+        print("Ошибка расчёта коэффициентов регрессии.")
+        return
+
+    print("\n=== Коэффициенты модели (МНК) ===")
+    headers = ["Фактор", "Коэффициент"]
+    rows = [["Свободный член", f"{beta[0]:.6f}"]]
+    for i, name in enumerate(factor_names):
+        rows.append([name, f"{beta[i+1]:.6f}"])
+    handle_table_output(headers, rows, title="", ask_each_time=True)
+
+    print("\nВведите шаг движения (в % для первого фактора).")
+    print("Шаг для остальных факторов будет пропорционален их коэффициентам.")
+    try:
+        step = float(input("Шаг (положительное число): "))
+        if step <= 0:
+            print("Шаг должен быть положительным.")
+            return
+    except ValueError:
+        print("Введите число.")
+        return
+
+    try:
+        num_steps = int(input("Количество шагов (например, 5): "))
+        if num_steps <= 0:
+            print("Количество шагов должно быть положительным.")
+            return
+    except ValueError:
+        print("Введите целое число.")
+        return
+
+    direction = input("Максимизировать отклик? (y/n, по умолчанию y): ").strip().lower()
+    maximize = direction != 'n'
+
+    try:
+        points = compute_gradient_points(
+            beta, base_levels, step, num_steps,
+            factor_names=factor_names,
+            maximize=maximize
+        )
+    except Exception as e:
+        print(f"Ошибка: {e}")
+        return
+
+    headers = ["Шаг"] + factor_names + ["Предсказанный отклик"]
+    rows = []
+    for pt in points:
+        row = [str(pt["Шаг"])] + [f"{pt[name]:.4f}" for name in factor_names] + [f"{pt['Предсказанный отклик']:.4f}"]
+        rows.append(row)
+    handle_table_output(
+        headers, rows,
+        title=f"Точки крутого восхождения (направление: {'максимизация' if maximize else 'минимизация'})"
+    )
+
+    print("\nВы можете выбрать одну из точек и установить её как новый состав.")
+    choice = input("Установить состав из точки? (введите номер шага или Enter для пропуска): ").strip()
+    if choice:
+        try:
+            step_num = int(choice) - 1
+            if 0 <= step_num < len(points):
+                pt = points[step_num]
+                for name in factor_names:
+                    for idx, info in enumerate(mixture.ings):
+                        if info.name == name:
+                            mixture.ings[idx].value = pt[name]
+                            break
+                mixture.comp_solvent_percent()
+                print("Состав обновлён. Текущие проценты:")
+                for info in mixture.ings:
+                    print(f"  {info.name}: {info.value:.2f}%")
+            else:
+                print("Неверный номер.")
+        except ValueError:
+            print("Ошибка ввода.")
+
+    input("Нажмите Enter для продолжения...")