我是 OpenMDAO 的新手，我仍在学习如何制定问题。举个简单的例子，假设我有 3 个具有给定边界的输入变量：
1 <= x <= 10
0 <= y <= 10
1 <= z <= 10
我有 4 个输出，定义为：
f1 = x * y
f2 = 2 * z
g1 = x + y - 1
g2 = z
我的目标是最小化 f1 * g1，但强制执行约束 f1 = f2 和 g1 = g2。例如，一种解决方案是 x=3、y=4、z=6（不知道这是否是最优的）。
对于这个简单的问题，您可能只需将输出相等约束提供给驱动程序。但是，对于我的实际问题，很难找到满足所有约束的初始起点，因此优化器无法做任何事情。我想也许我可以将 y 和 z 定义为隐式组件中的状态，并让非线性求解器在给定 x 的情况下计算出 y 和 z 的正确值，然后将 x 馈送到优化驱动程序。
这是一种可能的方法吗？如果是这样，在这种情况下，隐式组件会是什么样子？我查看了 Sellar 问题教程，但无法将其翻译为这种情况。
如果需要，您可以创建一个隐式组件。在这种情况下，您将在组件中定义一个apply_linear方法。此处的卖方问题已解决。
在您的情况下，因为您有 2 个残差方程集，它们都依赖于状态变量，我建议您创建一个长度为 2 的单个数组状态变量，调用它foo（我使用了一个新变量以避免任何混淆，但命名它无论你想要什么！）。然后，您将定义两个残差，一个用于新状态变量的残差数组的每个元素。
就像是：
resids['foo'][0] = params['x'] * unknowns['foo'][0] - 2 * unknowns['foo'][1]
resids['foo'][1] = params['x'] + unknowns['foo'][0] - 1 - unknowns['foo'][1]
如果您想将状态变量名称分开，您可以，它仍然可以工作。您只需将一个残差方程任意分配给一个变量，将一个残差方程分配给另一个变量。
然后唯一剩下的就是向包含隐式组件的组添加一个非线性求解器，它应该可以工作。如果您选择使用牛顿求解器，则需要设置fd_options['force_fd'] = True或定义所有参数和状态变量的残差导数。