问题标签 [openmdao]

check_partial_derivatives()我对应用于我之前的问题中显示的问题的方法的输出感到惊讶：抛物面优化需要缩放。当我添加对该方法的调用时：

我得到以下输出：

优化是正确的（即几乎可以肯定地证明导数是正确的），但check_partial_derivatives输出并未显示 fd 和正向/反向方法之间的一致结果。

我正在运行教程中的“Sellar exmaple”代码。根据教程页面上给出的文档，这ExecComp只是声明一个 normal 的简写Component。所以我尝试将示例中的 s 重新定义ExecComp为普通Components 并在同一个示例中使用它们。

示例中的ExecComps 定义如下 -

我定义的正常Components如下-

目标组件

约束 1

约束 2

我Component在重写的实现中将这些新声明的 s 实例化为 -

代码中的其他所有内容都与教程中的相同。但是在执行它们之后，当我比较结果时 - 结果不匹配。

我在这里遗漏了一些明显的东西吗？感谢您的时间。

如果出现故障，我需要能够指定退出标志。pyoptsparse_driver 的OpenMDAO文档具有退出标志的选项。但是，当我使用退出标志作为选项运行它时，它会说Option 'exit_flag' has not been added. 此外，我也不确定如何实际指定某事是否失败。我是否需要将标志从在solve_nonlinear() 中失败的组件中传递出去，并以某种方式使用它来设置pyoptsparse_driver 上的选项？我想做这样的事情，但我不确定语法，也找不到示例：

我有大量的模型参数来控制几个不同的组件。该模型正在并行运行。模型参数在运行期间保持不变。问题是我必须IndepVarComp()在并行运行时为每个模型参数添加一个，即使我想通过对象传递它们。在运行模型之前（在设置和运行之间），我需要能够编辑运行脚本中的值。有没有这样做的好方法？我认识到由于在 MPI 下运行而没有参数的“源”而导致的数据传递问题。

如果我IndepVarComp()为每个模型参数添加一个，它就可以工作，只要我不通过对象传递。这是有道理的，如果我告诉 OpenMDAO 我希望能够更改值并跟踪模型如何更改，那么通过对象传递是矛盾的。但是，我需要能够在设置后传入参数值，并且如果不IndepVarComp()为每个模型参数创建一个，我就无法在 MPI 下执行此操作。

我附上了一个基于我想要做的 OpenMDAO 文档中的 Sellar 问题的示例。通过取消注释第 28 行、注释掉第 27 行和取消注释第 139 行src.py，示例可以并行运行。

运行$ mpirun -np 4 python call.py

调用.py

src.py

我现在正在尝试修改使用 openmdao 的“webcam-pulse-detector”，但它在 openmdao 中针对两个版本都失败了。

在 0.9.5 版本中，它报告导入错误“no module named traits.api”，在最新版本 1.6.3 中，它报告错误“ImportError: No module named datatypes.api”，这是因为 openmdao 没有激活然而。

那么如何通过键入“OPENMDAO/Scripts/activate”来激活 openmdao 1.6.3 版，就像在 0.9.5 版中一样？非常感谢！

关于我之前的问题Scaled paraboroid andderived checks，我看到你修复了与运行一次问题有关的问题。我想尝试，但在以下代码中显示的导数检查和有限差分仍然存在问题：

第一次检查工作正常，但第二次check_partial_derivatives为 FD 给出了奇怪的结果：

并且（可能不相关）当我尝试设置root.fd_options['force_fd'] = True（只是为了查看）时，在第一次检查时出现错误：

我使用 OpenMDAO HEAD (d1e12d4)。

我正在使用 OpenMDAO 进行 CNC 车削过程的模拟，并希望为我的 s 实现我自己的“执行程序” Component——就像旧版本 OpenMDAO 中的汽车示例一样，其中SimAcceleration 驱动程序用于实现组件的执行方式。

但是，我不知道如何在 OpenMDAO 1.x 中实现这样的示例，我们可能希望在其中实现自定义逻辑来驱动输入到组件和/或Groups 并从中获取输出。任何指针都会非常有帮助。

PS - 我正在考虑将我的组件包装在 aProblem中，并在另一个 Component 中创建它的实例，并将所有执行逻辑放入其中solve_nonlinear（如建议的here）。但我不确定这是否是处理这个问题的正确方法。

I'm trying to run a DoE in parallel on a distributed code, which doesn't seem to work. Below is a simplified example that raises the same error as for the real code.

I run this with

and get this error:

I don't see a test for this use case in the latest master, so does that mean you don't yet support it or is it a bug?

我正在尝试使用 OpenMDAO 作为验证手段来解决MDO 测试套件中的问题。我面临的问题是为给定问题选择优化器/算法。

以下是通过 IDF 方法制定的套件中丙烷燃烧问题的代码。我尝试使用 pyOptSparseDriver 中提供的 SLSQP 和 NSGA2 来解决它。但是两个优化器都给出了次优的解决方案。

SLSQP 解决方案 -

NSGA2 的解决方案 -

我知道问题不在于定义，因为我尝试使用约束 f2、f6、f7 和 f9 作为等式约束 (=0) 而不是下限来运行问题，我得到了最优值。

那么，我应该研究哪些其他优化器？或者是否有任何其他问题让我对优化器的问题感到困惑。

提前致谢。

我在OpenMDAO中运行一个非线性优化问题，我知道它的最佳解决方案（我只想验证解决方案）。我正在使用fromSLSQP的驱动程序配置。ScipyOptimizeropenmdao.api

我有 3 个设计变量 A、B 和 C，它们各自的设计空间（A 的_最小到_最大A 等等）和一个目标函数 Z。正如我所说，我知道所有三个设计变量的最佳值（我们称它们为 A _sol、 B _sol和 C _sol），它们产生 Z 的最小值（称之为 Z _sol）。

当我运行这个问题时，我得到的 Z 值大于 Z _sol，表明它不是最优解。当我将 C _sol分配给 C 并仅使用 A 和 B 作为设计变量来运行问题时，我得到的 Z 值更接近 Z _sol并且实际上小于我之前得到的值（在 3 个设计变量场景中）。

为什么我要观察这种行为？在这两种情况下不应该ScipyOptimizer给出相同的解决方案吗？

编辑：添加一些代码..

这段代码给了我不正确的结果。当我desvar_twc从两个类中删除并为其分配最佳值（从我拥有的解决方案中）时，我得到了相当正确的结果，即目标函数的答案小于前一个场景。