Logo AND Algorithmique Numérique Distribuée

Public GIT Repository
Initial structure to implement gras using simix.
[simgrid.git] / src / surf / lagrangedico.c
1 /*      $Id$     */
2
3 /* Copyright (c) 2007 Arnaud Legrand, Pedro Velho. All rights reserved.     */
4
5 /* This program is free software; you can redistribute it and/or modify it
6  * under the terms of the license (GNU LGPL) which comes with this package. */
7
8 /*
9  * Modelling the proportional fairness using the Lagrange Optimization 
10  * Approach. For a detailed description see:
11  * "ssh://username@scm.gforge.inria.fr/svn/memo/people/pvelho/lagrange/ppf.ps".
12  */
13 #include "xbt/log.h"
14 #include "xbt/sysdep.h"
15 #include "xbt/mallocator.h"
16 #include "maxmin_private.h"
17
18 #include <stdlib.h>
19 #ifndef MATH
20 #include <math.h>
21 #endif
22
23
24 XBT_LOG_NEW_DEFAULT_SUBCATEGORY(surf_lagrangedico, surf,
25                                 "Logging specific to SURF (lagrange)");
26
27
28 void lagrange_dicotomi_solve(lmm_system_t sys);
29
30 double partial_diff_mu(double mu, lmm_variable_t var1);
31 double partial_diff_lambda(double lambda, lmm_constraint_t cnst1);
32
33 void lagrange_dicotomi_solve(lmm_system_t sys)
34 {
35   /*
36    * Lagrange Variables.
37    */
38   int max_iterations= 1000000;
39   double epsilon_min_error = 0.00001;
40   double overall_error = 1;
41   double min, max, middle;
42
43
44   /*
45    * Variables to manipulate the data structure proposed to model the maxmin
46    * fairness. See docummentation for more details.
47    */
48   xbt_swag_t elem_list = NULL;
49   lmm_element_t elem1 = NULL;
50
51
52   xbt_swag_t cnst_list = NULL;
53   lmm_constraint_t cnst1 = NULL;
54   
55   xbt_swag_t var_list = NULL;
56   lmm_variable_t var1 = NULL;
57
58
59   /*
60    * Auxiliar variables.
61    */
62   int iteration=0;
63   double tmp=0;
64   int i;
65    
66
67   DEBUG0("Iterative method configuration snapshot =====>");
68   DEBUG1("#### Maximum number of iterations : %d", max_iterations);
69   DEBUG1("#### Minimum error tolerated      : %e", epsilon_min_error);
70
71
72   if ( !(sys->modified))
73     return;
74
75   /* 
76    * Initialize the var list variable with only the active variables. 
77    * Associate an index in the swag variables. Initialize mu.
78    */
79   var_list = &(sys->variable_set);
80   i=0;
81   xbt_swag_foreach(var1, var_list) {
82     if((var1->bound > 0.0) || (var1->weight <= 0.0)){
83       DEBUG1("#### NOTE var1(%d) is a boundless variable", i);
84       var1->mu = -1.0;
85     } else{ 
86       var1->mu =   1.0;
87       var1->new_mu = 2.0;
88     }
89     DEBUG2("#### var1(%d)->mu :  %e", i, var1->mu);
90     DEBUG2("#### var1(%d)->weight: %e", i, var1->weight);
91     i++;
92   }
93
94   /* 
95    * Initialize lambda.
96    */
97   cnst_list=&(sys->active_constraint_set); 
98   xbt_swag_foreach(cnst1, cnst_list) {
99     cnst1->lambda = 1.0;
100     cnst1->new_lambda = 2.0;
101     DEBUG2("#### cnst1(%p)->lambda :  %e", cnst1, cnst1->lambda);
102   }
103
104
105   
106   /*
107    * While doesn't reach a minimun error or a number maximum of iterations.
108    */
109   while(overall_error > epsilon_min_error && iteration < max_iterations){
110    
111     iteration++;
112
113
114     /*                        d Dual
115      * Compute the value of ----------- (\lambda^k, \mu^k) this portion
116      *                       d \mu_i^k
117      * of code depends on function f(x).
118      */
119     var_list = &(sys->variable_set);
120     //forall mu_i in mu_1, mu_2, ..., mu_n
121     xbt_swag_foreach(var1, var_list) {
122       if((var1->bound >= 0) && (var1->weight > 0) ){
123         //for each link with capacity cnsts[i] that uses flow of variable var1 do
124         //begin dicotomi
125         min = max = 1.0;
126         overall_error = 1;
127         while(overall_error < epsilon_min_error){
128           if( partial_diff_mu(min, var1)>0 && partial_diff_mu(max, var1)>0 ){
129             if(min == max){
130               min = min / 2;
131             }else{
132               max = min;
133             }
134           }else if( partial_diff_mu(min, var1)<0 && partial_diff_mu(max, var1)<0 ){
135             if(min == max){
136               max = max * 2;
137             }else{
138             max = min;
139             }
140           }else if( partial_diff_mu(min,var1)<0 && partial_diff_mu(max,var1) > 0 ){
141             if(min == max){
142               middle =  partial_diff_mu((fabs(min - max)/2), var1);
143               if( middle > 0 ){
144                 max = (fabs(min - max)/2);
145               }else if( middle < 0 ){
146                 min = (fabs(min - max)/2);
147               }else{
148                 WARN0("Found an optimal solution with 0 error!");
149                 overall_error = 0;
150               }
151               overall_error = fabs(min - max);
152             }
153           }else{
154             WARN0("The impossible happened, partial_diff(min) >0 && partial_diff(max) < 0");
155           }
156         }
157
158         var1->new_mu = max;
159
160         if(var1->new_mu < 0){
161           var1->new_mu = 0;
162         }
163       }
164     }
165
166
167     /*                         d Dual
168      * Compute the value of ------------- (\lambda^k, \mu^k) this portion
169      *                      d \lambda_i^k
170      * of code depends on function f(x).
171      */
172     xbt_swag_foreach(cnst1, cnst_list) {
173       
174       //begin dicotomi
175       overall_error = 1;
176       min = max = 1.0;
177       while(overall_error < epsilon_min_error){
178         if( partial_diff_lambda(min, cnst1) > 0 && partial_diff_lambda(max, cnst1) > 0 ){
179           if(min == max){
180             min = min / 2;
181           }else{
182             max = min;
183           }
184         }else if( partial_diff_lambda(min, cnst1) < 0 && partial_diff_lambda(max, cnst1) < 0 ){
185           if(min == max){
186             max = max * 2;
187           }else{
188             max = min;
189           }
190         }else if( partial_diff_lambda(min,cnst1) < 0 && partial_diff_lambda(max,cnst1) > 0 ){
191           if(min == max){
192             middle = partial_diff_lambda((fabs(min - max)/2), cnst1);
193             if(  middle > 0 ){
194               max = (fabs(min - max)/2);
195             }else if( middle < 0 ){
196               min = (fabs(min - max)/2);
197             }else{
198               WARN0("Found an optimal solution with 0 error!");
199               overall_error = 0;
200             }
201             overall_error = fabs(min - max);
202           }
203         }else{
204           WARN0("The impossible happened, partial_diff(min) >0 && partial_diff(max) < 0");
205         }
206       }
207       cnst1->new_lambda = cnst1->lambda;
208       
209       if(cnst1->new_lambda < 0){
210         cnst1->new_lambda = 0;
211       }
212     }
213
214
215     /*
216      * Now computes the values of each variable (\rho) based on
217      * the values of \lambda and \mu.
218      */
219     overall_error=0;
220     xbt_swag_foreach(var1, var_list) {
221       if(var1->weight <=0) 
222         var1->value = 0.0;
223       else {
224         tmp = 0;
225         for(i=0; i<var1->cnsts_number; i++){
226           tmp += (var1->cnsts[i].constraint)->lambda;
227           if(var1->bound > 0) 
228             tmp+=var1->mu;
229         }
230         
231         //computes de overall_error
232         if(overall_error < fabs(var1->value - 1.0/tmp)){
233           overall_error = fabs(var1->value - 1.0/tmp);
234         }
235
236         var1->value = 1.0 / tmp;
237       }
238       
239     }
240
241
242     /* Updating lambda's and mu's */  
243     xbt_swag_foreach(var1, var_list)
244       if(!((var1->bound > 0.0) || (var1->weight <= 0.0)))
245         var1->mu = var1->new_mu;
246     
247     
248     xbt_swag_foreach(cnst1, cnst_list)
249       cnst1->lambda = cnst1->new_lambda;
250   }
251
252
253   //verify the KKT property
254   xbt_swag_foreach(cnst1, cnst_list){
255     tmp = 0;
256     elem_list = &(cnst1->element_set);
257     xbt_swag_foreach(elem1, elem_list) {
258       var1 = elem1->variable;
259       if(var1->weight<=0) continue;
260       tmp += var1->value;
261     }
262
263     tmp = tmp - cnst1->bound;
264  
265
266     if(tmp != 0 ||  cnst1->lambda != 0){
267       WARN4("The link %s(%p) doesn't match the KKT property, value expected (=0) got (lambda=%e) (sum_rho=%e)", (char *)cnst1->id, cnst1, cnst1->lambda, tmp);
268     }
269     
270   }
271
272     
273   xbt_swag_foreach(var1, var_list){
274     if(var1->bound <= 0 || var1->weight <= 0) continue;
275     tmp = 0;
276     tmp = (var1->value - var1->bound);
277
278     
279     if(tmp != 0 ||  var1->mu != 0){
280       WARN4("The flow %s(%p) doesn't match the KKT property, value expected (=0) got (lambda=%e) (sum_rho=%e)", (char *)var1->id, var1, var1->mu, tmp);
281     }
282
283   }
284
285
286   if(overall_error <= epsilon_min_error){
287     DEBUG1("The method converge in %d iterations.", iteration);
288   }else{
289     WARN1("Method reach %d iterations, which is the maxmimun number of iterations allowed.", iteration);
290   }
291
292
293
294 }
295
296
297
298 double partial_diff_mu(double mu, lmm_variable_t var1){
299   double mu_partial=0.0;
300   int i;
301
302   //for each link with capacity cnsts[i] that uses flow of variable var1 do
303   for(i=0; i<var1->cnsts_number; i++)
304     mu_partial += (var1->cnsts[i].constraint)->lambda + mu;
305   
306   mu_partial = (-1.0/mu_partial) + var1->bound;
307
308   return mu_partial;
309 }
310
311
312 double partial_diff_lambda(double lambda, lmm_constraint_t cnst1){
313
314   double tmp=0.0;
315   int i;
316   double lambda_partial=0.0;
317   xbt_swag_t elem_list = NULL;
318   lmm_element_t elem1 = NULL;
319   lmm_variable_t var1 = NULL;
320
321
322   elem_list = &(cnst1->element_set);
323   
324   xbt_swag_foreach(elem1, elem_list) {
325     var1 = elem1->variable;
326     if(var1->weight<=0) continue;
327     
328     tmp = 0;
329     for(i=0; i<var1->cnsts_number; i++){
330       tmp += (var1->cnsts[i].constraint)->lambda;
331     }
332         
333     if(var1->bound > 0)
334       tmp += var1->mu;
335     
336     tmp = tmp - cnst1->lambda + lambda;
337     
338     //un peux du bricolage pour evite la catastrophe
339     if(tmp==0) lambda_partial = 10e-8;
340     
341     lambda_partial += (-1.0 /tmp);
342   }
343
344   return lambda_partial;
345 }
346