1.2.1 Options de la méthode et résultats
Des cas à très grand nombre de paramètres ont été implémentés. Deux dépassent 1000 paramètres, ce sont des cas à sous-domaines cubiques simples et réguliers. Leurs maillages sont visibles FIG.4.1a et FIG.4.1c. Des problèmes à sous-domaines poly-édriques nécessitant des maillages plus raffinés ont été testés jusqu’à 300 paramètres (voir FIG.4.1b).
L’ensemble des paramètres de l’algorithme PM-PGD sont récapitulés TAB.4.1. Pour illustrer les choix effectués pendant cette thèse, on donne TAB.4.2 l’exemple de deux ensembles d’options retenues pour deux cas-tests différents. Le premier, présenté TAB.4.2a, est un cas composé d’un nombre raisonnable de paramètres (60) mais à grand nombre de degrés de liberté. Cet exemple est discuté en détail en partie 1.3. L’autre, TAB.4.2b, concerne un des cas-tests retenus dans cette partie et illustre les choix adaptés à la prise en compte d’un très grand nombre de paramètres. On y ob-serve en particulier les différentes options de compaction discutées ci-dessus.
Les résultats sont présentés TAB.4.3. Nous n’avons calculé que la première itéra-tion des algorithmes. En effet, pour les plus grands nombres de paramètres il n’est pas possible de trouver de compromis satisfaisant entre la qualité des compressions et le
Choix du problème
• ≠, fd, ud, Fd : Géométrie du problème et conditions li-mites
• {≠E}E 2E: Ensemble des sous-domaines ) Np: Nombre de paramètres
• ≤ : Variation paramétrique
Options de la PM-PGD • IG: Nombres d’itérations globales • bCE : Taille des voisinages
• nE : Nombre de points de discrétisation des IE
• Ipar t : Nombre de solutions particulières pour El oc •~1
= Oui/Non : Compression des erreurs RE
•~2
= Oui/Non : Compression de la solution X • Troncature : Oui/Non
• Stockage de X : local ou global
Options de Compression
CP-ALS classique CP-ALS par groupes • Itérations concernées • Itérations concernées
• Taille maximale d’un bloc • Nombre de modes
conser-vés ( = taux de compression)
• Taux de compression de chaque bloc
• Erreur de compression max • Erreur de compression max
) pour R et X ) pour R et X
TABLEAU4.1 : Ensemble des paramètres à fixer pour construire un modèle réduit PM-PGD
temps de calcul. Le nombre de modes étant extrêmement élevé, il est nécessaire d’ef-fectuer de très importantes compactions des erreurs RE notamment. Cela nuit telle-ment à la qualité du résultat que l’influence de la deuxième itération devient minime, comme décrit REM.28.
Il est cependant possible d’aller jusqu’à la deuxième itération pour le problème à 120 paramètres et les résultats ont été présentés TAB.3.2. Le modèle réduit est alors très lourd et son utilisation donne des performances médiocres (voir TAB.4.7).
Les erreurs observées sont exactement celles attendues. Nous avons déjà constaté plusieurs fois que le nombre de paramètres n’était pas un élément déterminant pour la convergence de la PM-PGD. On obtient donc des erreurs du même ordre de gran-deur que celles déjà présentées TAB.3.2 par exemple. On retiendra que l’algorithme est capable de donner en un temps raisonnable un modèle réduit avec une précision de l’ordre du pourcent pour les problèmes de moins de 200 paramètres et de l’ordre de 3 à 5 pourcents pour les problèmes de 300 à 1000 paramètres, comme résumé TAB.4.4.
Choix du problème • Cube, problème présenté FIG.1.1 • 60 sous-domaines, maillage pré-senté FIG.4.2 ) Np= 60 • ≤ = 1 (Variation paramétrique = 50%) Options de la PM-PGD • IG= 2 • bCE = 2 couches de voisins • nE= 25 • Ipar t = 50 •~2
= Oui : Compression de la solu-tion X à l’issue de l’itérasolu-tion 2
•~1
= Oui : Compression des erreurs RE à l’issue de l’itération 1 • Troncature : Non • Stockage de X : global Options de Compression CP-ALS classique : • Compression de R1: Taux de compression =18
Erreur de compression max = 3% • Compression de X2:
Taux de compression =12
Erreur de compression max = 2%
(a) Problème à 60 paramètres
Choix du problème
• L-shape, problème présenté FIG.3.2 • 1029 sous-domaines, maillage pré-senté FIG.4.1c ) Np= 1029 • ≤ = 1 (Variation paramétrique = 50%) Options de la PM-PGD • IG= 1 • bCE = 2 couches de voisins • nE = 25 • Ipar t = 50
•~2= Oui : Compression de la solu-tion X à l’issue de l’itérasolu-tion 2
•~1
= Non
• Troncature : Oui, 3 couches • Stockage de X : global
Options de Compression CP-ALS par groupe :
• Compression de X1:
Dimension max des groupes = 40 Taux de compression =12
Erreur de compression max = 2%
(b) Problème à 1029 paramètres
TABLEAU4.2 : Options de la méthode pour deux cas-tests différents Ces résultats sont en cours de publication dans [Paillet et al., 2019].
De telles performances peuvent sembler bien moins bonnes que celles obtenues grâce à la méthode discontinue présentée TAB.2.1. Il s’agit d’un biais lié au choix de l’estimateur d’erreur : seul l’erreur E a été calculée au chapitre 2 tandis qu’on a choisi aux chapitres 3 et 4 l’estimateur El oc qui nous semble plus pertinent. Les deux mé-thodes ont bien des précisions équivalentes. A titre d’exemple, pour le problème à 125 paramètres, on observait une erreur E = 0.49% avec la méthode discrète après deux itérations. Ce même estimateur donne précisément E = 0.59% dans le cas discontinu.
Il aurait certes été plus cohérent de présenter dans ce manuscrit des résultats équi-valents en utilisant des estimateurs comparables. Cependant, on a choisi de conser-ver la présentation des résultats tels qu’ils sont publiés dans [Ladevèze et al., 2018] et
Solution moyenne, erreur locale
Une itération globale, erreur locale Cube, sous-domaines réguliers,
1000 paramètres 27,8% 3,9%
Cube, sous-domaines
polyédriques, 300 paramètres 19.5% 3.4%
L-shape, sous-domaines réguliers,
1029 paramètres 18,0% 4,5%
L-shape, sous-domaines
polyédriques, 120 paramètres 25,9% 4.8%
TABLEAU4.3 : Erreur locale après la première itération (2 couches de voisins, variation paramétrique = 50%, troncature pour les problèmes à 1000 paramètres et plus)
[Paillet et al., 2019]. Ils sont commentés de manière bien plus détaillés dans cette thèse et la différence illustre l’évolution des travaux durant les 3 ans passés sur ce sujet. La nouvelle version de l’algorithme PM-PGD n’a pas été que l’occasion de dépasser les limites présentées en II.2.4 mais aussi de corriger les imprécisions méthodologiques des premières tentatives de construction de modèles réduits à très grand nombre de paramètres. Moins de 100 paramètres 100 à 200 paramètres Plus de 200 paramètres Erreur locale < 1% ª1% 3-5%
TABLEAU4.4 : Erreurs locales accessibles en pratique en fonction du nombre de para-mètres du problème pour une variation paramétrique de 50%
1.2.2 Manipulation des solutions X multiéchelle, avant compression X multiéchelle, après compression X monoéchelle, avant compression X monoéchelle, après compression 18 Go 1.6 Go 650 Mo 325 Mo
TABLEAU 4.5 : Coût de stockage des deux formats de solution, problème à 60 para-mètres, d ª 40.103, erreur locale El oc finale inférieure à 1%
Une solution X calculée grâce au format multiéchelle (1.38) est en pratique stockée comme un ensemble de champs locaux. Suivant l’utilisation escomptée du modèle ré-duit, ce format peut être très lourd à manipuler. En effet, pour construire un champ
Maillage et décomposi-tion paramétrique
Solution
moyenne Itération 1 Itération 2 Nombre de modes 1 122 1083 Erreur locale El oc 23% 3,3% 1,7% Poids de la solution 300 ko 36 Mo 325 Mo
FIGURE4.2 : Cube en traction, 60 paramètres, d ª 40.103, variation paramétrique = 50%
Maillage et décomposition para-métrique Solution moyenne Itération 1 Erreur locale El oc 23% 4,1% Erreur E 29% 4,3%
FIGURE 4.3 : Cube en traction, 60 paramètres, d ª 120.103, variation paramétrique = 50%
solution complet il est nécessaire d’interpoler une solution paramétrique différente pour chaque sous-domaine, ce qui peut être coûteux. Or, on observe ALG.6 que la so-lution finale est composée de la somme de contributions globales ¢X(E). On ne peut malheureusement pas les sommer directement car les formats des fonctions paramé-triques sont les formats multiéchelles locaux associés aux sous-domaines ≠E. La so-lution retenue (voir ALG.6 ligne 14) consiste à stoker séparément les contributions de ¢X(E)restreintes à chaque sous-domaine ≠E0 en adaptant le format des fonctions pa-ramétriques comme présenté en III.2.2.2.
Une autre solution consiste à sommer directement les différentes contributions globales ¢X(E) en les modifiant. Pour qu’elles soient toutes compatibles, il faut choi-sir un format commun à l’ensemble des sous-domaines : les fonctions paramétriques sont donc toutes projetées sur la grille micro. Le format de stockage de la solution n’est
finalement plus multiéchelle, mais la démarche et les RE par exemple restent associés au format (1.38).
TAB.4.5 illustre sur un cas particulier les gains en terme de coût de stockage que ce retour final au monoéchelle apporte. De plus, le temps nécessaire pour extraire une solution complète particulière est réduit de manière drastique. Par contre, pour des applications qui ne nécessitent qu’une connaissance des solutions localement en es-pace, l’utilisation de cette structure plus globale est bien moins efficace car l’unique champ global stocké a un nombre de modes bien plus important que le champ local d’intérêt sous la forme (1.38).
Enfin, l’étape de compaction de la solution est fortement modifiée. La solution n’est plus représentée que comme un unique tenseur dont une des dimensions (l’es-pace) est beaucoup plus grande que les autres. Les compressions via une CP-ALS sont bien moins efficaces car chaque mode issu d’un ¢X(E) particulier représente la cor-rection d’un problème local indépendant et a une grande importance localement. On n’est plus dans le cas très favorable des champs locaux présenté REM.27.