case study
- VI Projection and MP FW comparison
- find they all collapse, find where is the problem
- see the performance of MNL based sue
- 公式是什么
- 正確嗎
- 算法
- 編程
Bug：
entropy_left 和 entropy_right相互顛倒防止
LeftTrialOutput = LeftTrialOutput + entropy_left;
RightTrialOutput = RightTrialOutput + entropy_right;
note 這個bug是通過一步步的debug試出來的。
- 用e-5來顯示比%.10lf更高的精度
%.5e //顯示5位數(shù)字
- 檢查是否滿足均衡條件
完全滿足均衡條件
-
Dispersion parameter
Theta=2
Paste_Image.png
Theta=3
Paste_Image.png
Theta=0.5
Paste_Image.png
Theta=0.1
Paste_Image.png
不能達到收斂（Theta=0.1）
-
計算一下平均最小期望
Paste_Image.png
Theta=0.1的時候也不一致。
Paste_Image.png
嚇?biāo)赖耍琫xcel中l(wèi)n試ln，然后就一致了
Paste_Image.png
總結(jié)
FW在解MNL based SEU時就會出現(xiàn)偏差
- congestion situation
同樣，再此Demand下測試離散參數(shù)，同樣非常敏感，步長一開始好好的，然后，突然變0，前后解的誤差急劇減少，同時不收斂。這個可以像一開始一樣一步步看。
11/29
ptt不能過高
這時link free flow time, OD demand, BPR對ptt影響都很大。
line search 里面也有bug
for (p_i = 0; p_i < NoPs; p_i++){
entropy_left = entropy_left + p[p_i].Pf_Left * (log(p[p_i].Pf_Left) - 1);
entropy_right = entropy_right + p[p_i].Pf_Right * (log(p[p_i].Pf_Right) - 1);
}
把這兩個問題測完，對Theta不敏感了，Apf符合Logit公式了。收斂的很好
改變Theta=2還是有bug
外部參數(shù)Theta要寫成2.0
到目前為止調(diào)整Theta沒問題了。Demand也可以。
Theta=0.1
符合logit fun
符合流量守恒
前后解相差很小。
Theta=0.01，direction=0；已經(jīng)達到最優(yōu)了。
所得結(jié)論確實與Theta的變化一致。
CNL里面的離散參數(shù)
下層0-1
上層》0
下層=1時，為MNL
CNL有不同表達式，怎么互推
CNL更接近Probit，緩解了獨立性
CNL-UE with FW Debug
- CNL上沒有問題
- CNL excel 印證過，那估計在line search上有偏差
從MNL（SUE）可以看出，output的精度由line search的精度決定。不會比line search的精度高。說錯了，提高line search的精度沒有提高最終結(jié)果的精度。
S4LinkTravelTime(l);
S2CNL_Loading(l, nm, n, od);
S3AON(l, nm);
S5Direct(l, nm);
這幾部出錯的可能性不大
打印輸出line search
line search內(nèi)部沒有問題，都在excel中核對過了
簡化網(wǎng)絡(luò)，就考慮三條線的情況。
也是AD符合CNL，line search有問題，不是路徑選擇的問題
將step size adjust 放在循環(huán)外面，對結(jié)果沒有影響。
line search 在縮小到一定程度的時候就不動了。但是步長精度不需要那么高。問題不在這。MNL在line search的時候也有同樣的問題。
不是在已有的基礎(chǔ)上開發(fā)，就很難Debug。
如果link travel time是常數(shù)，一步就完成。所有流量分到最短路，line search 的時候確實是偏向均衡解的。說明，至少在一定情況下line search是沒問題的。改為線性函數(shù)，也不已完成，但是解不正確。看看MNL。對于FFT乘以系數(shù)還是常數(shù)，要與flow掛鉤；乘以一個常數(shù)，MNL也控制的不好；但是在輸入data的時候，也乘以一個系數(shù)，一步就能收斂。下面，把flow這個變量引入試試；加入Flow以后也不收斂，應(yīng)該是收斂的。回到BPR就可以，都是增函數(shù)，為啥不一樣？BPR改成1次，也不收斂。這個怎么查？牽一發(fā)而動全身，肯定其他地方也用到了。看一遍流程就知道啦，link funtion是和objective fun連在一起的，link fun 改動，object fun也要改。如果是常數(shù)，obj不變化，正好碰巧了。我在VI里調(diào)link fun就沒關(guān)系，因為就一步用地link fun。把link flow調(diào)低，link flow和Obj調(diào)整好，對了，沒錯。不調(diào)低的話
- 那我再試試CNL下面的link travel fun的改變會怎樣。
直接到無窮了；
可能line search還有隱藏的問題
input對不對？
- Link travel time 是BPR+constant+constant
第二天，從CNL-UE測試起。
要修改的地方：頭文件，文件讀寫時的文件名，強行給定的最短路徑（OD pair， mode）
昨天的code 測試亂了，從倉庫里取原來的。又要重新Debug。說明，沒做一點改動都要記錄，不然馬上就忘了。而且代碼和數(shù)據(jù)要放一起，不能分開。
原來的代碼數(shù)據(jù)結(jié)構(gòu)變了，都要改。主要時nest數(shù)據(jù)結(jié)構(gòu)體。
** 在data input要輸入nest結(jié)構(gòu)體**
將cost: nest cost, root cost, MargProb, CondProb都進行了調(diào)整
在probability 的計算代碼也進行了修改
另外，在AON中也發(fā)現(xiàn)了問題
加載的時輔助流量，不是流量（ADem，Dem）
- 將FW與MSA進行對比：
首先，結(jié)果不一致。
第二，MSA的比FW更加符合CNL概率。
第三，MSA的多種固定步長對結(jié)果沒有影響。（0.1，0.2... 1, 1.5）
總結(jié)，可以認(rèn)為是line search的問題。 - 用VI的Projection和MSA對比，結(jié)果也不一致
- 想原因，可能是link travel time的表達式不一樣，改成相同的表達式后，結(jié)果果然一致。
- MSA改link cost中的一步，F(xiàn)W要改兩步
然后想到，F(xiàn)W不但要改link cost的表達式，還要改line search里面積分的表達式。測試以后，發(fā)現(xiàn)FW，MSA，Projection對同一個算例求解得到相同的結(jié)果。
3 precision of FW and MSA is still not acceptable
3.1 Is the problem of AON?
membership 0.5-0.5 correct
membership 0.2-0.8 correct
Mu 0.8 correct (一開始是不一樣的，后來檢查一下CNL.xlxs，是原來的計算公式有錯，改過來就完全一樣了)
總結(jié)，不是AON的問題，還是要看看line search
3.2 check line search
check MSA: 精度一直在提高，只是比較慢而已。最高1e-6.
check line search: 精度一直在提高，明顯比MSA快。但是仍有上限，20 萬次迭代，最高1e-7. 50萬次迭代，3*e-8. 同時查看AON—CNL，我認(rèn)為沒有問題。
總結(jié)：line search 上也沒有問題，可能是FW自身的問題。
- 在MNL（SUE）中出現(xiàn)過的左右顛倒的問題，沒有出現(xiàn)。
- ptt也沒有過高
- line search里面的積分表達式正確
- 全局變量Theta要寫成1.0的形式
- line search 時候的積分表達式不對
3.3 test on larger net
- 規(guī)范輸入格式
- input data format
- input file name
- head file
- shortest path: different origin should be give the shortest path
還是有問題，跑不起來。那就只能一步步Debug。
- 最短路給錯了,Wrong origin
correct:Pred[2] = 15; Pred[3] = 15; Pred[15] = 14; Pred[14] = 5; Pred[5] = 1;
Wrong:Pred[2] = 15; Pred[3] = 15; Pred[15] = 14; Pred[14] = 5; Pred[5] = 4;
CNL pass
all pass
在ND上也能跑起來
