test_dircol.py

#!/usr/bin/env python3
#
# File: test_dircol.py
#
import numpy as np

import torch

from optimalcontrol.dircolproblem import DIRCOLProblem
from mechamodlearn import utils

dt = 0.05
maxiter = 100


def objective(x, *args):
    cost = torch.sum(x**2)
    return cost


def constraints(x, *args):
    return x.view(-1)


params = utils.objectview({
    'x_dim': 2,
    'u_dim': 2,
    'duration': 100 * dt,
    'dt': None,
    'default_dt': dt,
    'maxForce': 120,
})

x_guess = np.ones((100, 2))

prob = DIRCOLProblem(params, objective, constraints, no_u=True)
prob.set_Ns([x_guess.shape[0]])
# set general bounds
x_ub = np.inf * np.ones_like(x_guess[0])
x_lb = -np.inf * np.ones_like(x_guess[0])
prob.set_bounds(x_lb, x_ub, None, None)
prob.give_init_guess(x_guess, None)
t, x, u, run_params, info = prob.run(maxiter, verbosity=5)
import ipdb
ipdb.set_trace()

ipdb> info
{'obj': 0.0, 'constraint_multipliers': array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0., -0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0., -0.])}