Итерация модели в OpenMDAO

В OpenMDAO в драйвере оптимизации есть ли способ повторить/итерировать часть модели (группу) по диапазону входных данных?

Я разрабатываю структуру оптимизации, построенную на OpenMDAO. До сих пор я выполнял оптимизацию для одного конкретного случая нагрузки, и теперь я хотел бы расширить ее до оптимизации для цели, которая рассчитывается как среднее значение для ряда вариантов нагрузки.

Для каждого набора проектных переменных я хотел бы запустить модель внутри цикла for (как в for load_case in load_cases), записать результат каждой итерации, а затем усреднить их, чтобы получить значение цели для драйвера. Возможно ли что-то подобное?

Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
0
59
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Чтобы сделать это так, чтобы вы могли вычислять производные, я бы рекомендовал многоточечный подход.

Создайте групповой класс для своей модели. Затем для каждого загружения вы создаете один его экземпляр в модели. Тогда все различные загружения существуют одновременно, и вы можете выполнять любую агрегацию, которую хотите (например, компонент функции KS). Преимущество этого подхода в том, что он прост и легок в реализации. Его недостатком является то, что он использует относительно больший объем памяти. Если у вас менее 10 загружений, то это правильный подход (даже если вы используете FEA и CFD).

Если у вас много случаев нагружения, вы можете рассмотреть модель стиля цикла for. Это сложнее реализовать, требуя использования подзадачи. Это необходимо для того, чтобы вы могли добавить цикл for так, как его понимает OpenMDAO. По сути, вы строите свою модель одного загружения, добавляете ее к отдельной задаче. Затем создайте экземпляр этой проблемы ВНУТРИ компонента. Затем вы можете обернуть цикл for вокруг вызова run_model этой подзадачи и настроить все варианты нагрузки. Вы должны быть очень осторожны с тем, как вы обрабатываете передачу данных между родительским компонентом и подзадачей, и то же самое касается производных. Этот подход лучше масштабируется для большего количества загружений, но его намного сложнее реализовать. Я действительно рекомендую вам сначала попробовать многоточечный подход.

Начиная с OpenMDAO v3.26.0 нет официальной реализации подзадачи, которую вы можете использовать в OpenMDAO. Я знаю, что команда разработчиков работает над одной из них, но она еще не выпущена. Таким образом, вы должны следовать руководству fиз обратного хакатона 2020 года и создавать свои собственные.

Спасибо. Есть ли пример 1-го подхода? Я не уверен, как обращаться с экземплярами и их выводами. Для N вариантов нагрузки в рамках модели нужно добавить N подсистем в настройку?

Kasia 10.05.2023 11:51

Основываясь на приведенном выше ответе, я смог реализовать приведенный ниже код (очень упрощенный воспроизводимый пример). Это правильная реализация предложенной вами многоточечности или есть лучший способ, который позволил бы избежать переопределения класса Cost для каждого загружения отдельно?

import openmdao.api as om

class Cost1(om.ExplicitComponent):
    ''' normally defined in a separate script for convenience '''

    def setup(self):
        self.add_input('x', val=0)
        self.add_input('y', val=0)
        self.add_output('cost_1', val=0, units='USD')
        
    def setup_partials(self):
        self.declare_partials('*', '*', method='fd')

    def compute(self, inputs, outputs):
        cost_steel = inputs['x']
        cost_ballast = inputs['y']

        cost = cost_steel + cost_ballast

        outputs['cost_1'] = cost
        
class Cost2(om.ExplicitComponent):
    ''' normally defined in a separate script for convenience '''

    def setup(self):
        self.add_input('x', val=0)
        self.add_input('y', val=0)
        self.add_output('cost_2', val=0, units='USD')
        
    def setup_partials(self):
        self.declare_partials('*', '*', method='fd')

    def compute(self, inputs, outputs):
        cost_steel = inputs['x']
        cost_ballast = inputs['y']

        cost = cost_steel + cost_ballast

        outputs['cost_2'] = cost
                 

class MDA(om.Group):

    class ObjCmp(om.ExplicitComponent):
        
        def setup(self):
            self.add_input('cost_1', val=0, units='USD')
            self.add_input('cost_2', val=0, units='USD')
            self.add_output('obj', val=0.0, units='USD')

        def setup_partials(self):
            self.declare_partials('*', '*', method='fd')

        def compute(self, inputs, outputs):
            outputs['obj'] =  inputs['cost_1'] + inputs['cost_2']

    def setup(self):     
        group_ls = self.add_subsystem('ls1', om.Group(), promotes_inputs=['x','y'],
                            promotes_outputs=['cost_1']) 

        group_ls.add_subsystem('Cost1', Cost1(), promotes_inputs=['x','y'],
                           promotes_outputs=['cost_1'])
                           
        group_ls.add_subsystem('Cost2', Cost2(), promotes_inputs=['x','y'],
                           promotes_outputs=['cost_2'])
        
        self.add_subsystem('obj_cmp', self.ObjCmp(), promotes_inputs=['cost_1','cost_2'],
                           promotes_outputs=['obj'])


# build the model
prob = om.Problem(model=MDA())
model = prob.model

model.add_design_var('x', lower=0.1, upper=1)
model.add_design_var('y', lower=0.1, upper=1)
model.add_objective('obj')

# setup the optimization
prob.driver = om.ScipyOptimizeDriver()
prob.driver.options['optimizer'] = 'SLSQP'

prob.setup()

# run the optimization
prob.set_val('x', .5)
prob.set_val('y', .5)

prob.run_driver()

# minimum value
print(prob.get_val('obj'))

# location of the minimum
print(prob.get_val('x'))
print(prob.get_val('y'))
Ответ принят как подходящий

Предложенное вами решение подходит. У вас есть правильная идея. Я просто предположил бы, что два дублирующих класса затрат не нужны.

import openmdao.api as om

class Cost(om.ExplicitComponent):
    ''' normally defined in a separate script for convenience '''

    def setup(self):
        self.add_input('x', val=0)
        self.add_input('y', val=0)
        self.add_output('cost', val=0, units='USD')
        
    def setup_partials(self):
        self.declare_partials('*', '*', method='fd')

    def compute(self, inputs, outputs):
        cost_steel = inputs['x']
        cost_ballast = inputs['y']

        cost = cost_steel + cost_ballast

        outputs['cost'] = cost
                 

class MDA(om.Group):

    class ObjCmp(om.ExplicitComponent):
        
        def setup(self):
            self.add_input('cost_1', val=0, units='USD')
            self.add_input('cost_2', val=0, units='USD')
            self.add_output('obj', val=0.0, units='USD')

        def setup_partials(self):
            self.declare_partials('*', '*', method='fd')

        def compute(self, inputs, outputs):
            outputs['obj'] =  inputs['cost_1'] + inputs['cost_2']

    def setup(self):     
        group_ls = self.add_subsystem('ls1', om.Group(), promotes_inputs=['x','y'],
                            promotes_outputs=['cost_1']) 

        group_ls.add_subsystem('Cost1', Cost(), promotes_inputs=['x','y'],
                           promotes_outputs=[('cost', 'cost_1')])
                           
        group_ls.add_subsystem('Cost2', Cost(), promotes_inputs=['x','y'],
                           promotes_outputs=[('cost', 'cost_2')])
        
        self.add_subsystem('obj_cmp', self.ObjCmp(), promotes_inputs=['cost_1','cost_2'],
                           promotes_outputs=['obj'])


# build the model
prob = om.Problem(model=MDA())
model = prob.model

model.add_design_var('x', lower=0.1, upper=1)
model.add_design_var('y', lower=0.1, upper=1)
model.add_objective('obj')

# setup the optimization
prob.driver = om.ScipyOptimizeDriver()
prob.driver.options['optimizer'] = 'SLSQP'

prob.setup()

# run the optimization
prob.set_val('x', .5)
prob.set_val('y', .5)

prob.run_driver()

# minimum value
print(prob.get_val('obj'))

# location of the minimum
print(prob.get_val('x'))
print(prob.get_val('y'))

Отлично спасибо! Кажется, есть проблема с графиком n2, после модификации фреймворка в соответствии с вышеизложенным он перестал показывать одну из моих подгрупп как группу (инструмент n2 не показывает его, несмотря на то, что инструмент сводки показывает его, и сам код работает как если бы это была группа с решателем NL, как и должно быть, так что это выглядит как потенциальная проблема с инструментом n2?). Моя модель является конфиденциальной, поэтому я не могу поделиться ею здесь, но буду рад сообщить какие-либо подробности или обсудить ее по телефону, если это необходимо.

Kasia 13.05.2023 14:11

Мне трудно догадаться, в чем проблема с N2, без какого-либо способа воспроизвести ее. Вы всегда можете удалить весь фактический вычислительный код из компонентов и зашифровать имена переменных. Таким образом, вы можете отправить отчет об ошибке команде разработчиков.

Justin Gray 13.05.2023 20:58

Другие вопросы по теме