У меня всегда были проблемы с параметрами масштабирования в openmdao. Так как иногда масштабирование работает неявно во время матричных решателей, а иногда явно и т. д. Проблема, с которой я столкнулся сейчас, - это масштабирование ограничения и его запись. Я использовал Пример консольной балки
Я добавил скейлер=2
self.add_constraint('volume_comp.volume', equals=volume,scaler=2)
Я не изменил объем = 0,01 значение ограничения. Если я установил масштабирование = 1, записанный вывод объема ограничения равен 0,01 в конце оптимизации. Однако, если я установлю масштабирование = 2, переменная объема будет равна 0,04. А для масштабирования = 10 выходной объем равен 1 и т. д. Есть ли дополнительное умножение.
Оптимизированное значение не меняется несмотря ни на что, что я предполагаю ожидаемым, потому что это масштабирование предназначено только для нормализации (насколько я понимаю).
Ниже приведен пример кода с измененной строкой и рекордер, я использую OpenMDAO 2.5.0.
from __future__ import division
import numpy as np
from openmdao.api import Group, IndepVarComp
from openmdao.test_suite.test_examples.beam_optimization.components.moment_comp import MomentOfInertiaComp
from openmdao.test_suite.test_examples.beam_optimization.components.local_stiffness_matrix_comp import LocalStiffnessMatrixComp
from openmdao.test_suite.test_examples.beam_optimization.components.states_comp import StatesComp
from openmdao.test_suite.test_examples.beam_optimization.components.displacements_comp import DisplacementsComp
from openmdao.test_suite.test_examples.beam_optimization.components.compliance_comp import ComplianceComp
from openmdao.test_suite.test_examples.beam_optimization.components.volume_comp import VolumeComp
class BeamGroup(Group):
def initialize(self):
self.options.declare('E')
self.options.declare('L')
self.options.declare('b')
self.options.declare('volume')
self.options.declare('num_elements', int)
def setup(self):
E = self.options['E']
L = self.options['L']
b = self.options['b']
volume = self.options['volume']
num_elements = self.options['num_elements']
num_nodes = num_elements + 1
force_vector = np.zeros(2 * num_nodes)
force_vector[-2] = -1.
inputs_comp = IndepVarComp()
inputs_comp.add_output('h', shape=num_elements)
self.add_subsystem('inputs_comp', inputs_comp)
I_comp = MomentOfInertiaComp(num_elements=num_elements, b=b)
self.add_subsystem('I_comp', I_comp)
comp = LocalStiffnessMatrixComp(num_elements=num_elements, E=E, L=L)
self.add_subsystem('local_stiffness_matrix_comp', comp)
comp = StatesComp(num_elements=num_elements, force_vector=force_vector)
self.add_subsystem('states_comp', comp)
comp = DisplacementsComp(num_elements=num_elements)
self.add_subsystem('displacements_comp', comp)
comp = ComplianceComp(num_elements=num_elements, force_vector=force_vector)
self.add_subsystem('compliance_comp', comp)
comp = VolumeComp(num_elements=num_elements, b=b, L=L)
self.add_subsystem('volume_comp', comp)
self.connect('inputs_comp.h', 'I_comp.h')
self.connect('I_comp.I', 'local_stiffness_matrix_comp.I')
self.connect(
'local_stiffness_matrix_comp.K_local',
'states_comp.K_local')
self.connect(
'states_comp.d',
'displacements_comp.d')
self.connect(
'displacements_comp.displacements',
'compliance_comp.displacements')
self.connect(
'inputs_comp.h',
'volume_comp.h')
self.add_design_var('inputs_comp.h', lower=1e-2, upper=10.)
self.add_objective('compliance_comp.compliance')
self.add_constraint('volume_comp.volume', equals=volume,scaler=10)
import numpy as np
from openmdao.api import Problem, ScipyOptimizeDriver,SqliteRecorder
E = 1.
L = 1.
b = 0.1
volume = 0.01
num_elements = 50
prob = Problem(model=BeamGroup(E=E, L=L, b=b, volume=volume, num_elements=num_elements))
prob.driver = ScipyOptimizeDriver()
prob.driver.options['optimizer'] = 'SLSQP'
prob.driver.options['tol'] = 1e-9
prob.driver.options['disp'] = True
recorder = SqliteRecorder('abc.sql')
prob.driver.add_recorder(recorder)
prob.driver.recording_options['includes'] = []
prob.driver.recording_options['record_inputs'] = True
# prob.driver.recording_options['record_outputs'] = True
prob.driver.recording_options['record_objectives'] = True
prob.driver.recording_options['record_constraints'] = True
prob.driver.recording_options['record_desvars'] = True
prob.driver.recording_options['record_derivatives'] = True
prob.setup()
prob.run_driver()
print(prob['inputs_comp.h'])
prob.cleanup()
#%%
import re
from openmdao.api import CaseReader
import matplotlib.pyplot as plt
import numpy as np
import os,json as js
import matplotlib
cr = CaseReader('abc.sql')
case_keys = cr.list_cases()
obj=[]
for i, case_key in enumerate(case_keys):
case = cr.get_case(case_key)
derivs = cr.get_case(i).jacobian
# for k in derivs:
# print(k,derivs[k])
recorded_objectives = case.get_objectives()
recorder_constraints = case.get_constraints()
recorder_desvars = case.get_design_vars()
recorder_responses = case.get_responses()
for k in recorder_desvars:
print(k,recorder_desvars[k])
for k in recorder_constraints:
print(k,recorder_constraints[k])
for k in recorded_objectives:
print(k,recorded_objectives[k])
obj.append(recorded_objectives[k])
print('-----------')
#
#print(obj)
#obj[2]=obj[1]
#print(len(obj))
plt.plot(obj,'*')
Переменные в регистраторе действительно масштабируются дважды. В драйвере значения масштабируются правильно. Вы можете сравнить его для последнего случая с кодом ниже. Масштабирование выполняется в _apply_voi_meta()
в классе Case
.
#%%
cr = CaseReader('abc.sql')
case_keys = cr.list_cases()
obj=[]
for i, case_key in enumerate(case_keys):
case = cr.get_case(case_key)
derivs = cr.get_case(i).jacobian
# for k in derivs:
# print(k,derivs[k])
recorded_objectives = case.get_objectives()
recorder_constraints = case.get_constraints()
recorder_desvars = case.get_design_vars()
recorder_responses = case.get_responses()
for k in recorder_desvars:
print(k,recorder_desvars[k])
for k in recorder_constraints:
print(k,recorder_constraints[k])
for k in recorded_objectives:
print(k,recorded_objectives[k])
obj.append(recorded_objectives[k])
print('-----------')
print('\nDRIVER:\n\n')
for k, v in iteritems(driver.get_design_var_values()):
print(k, v)
for k, v in iteritems(driver.get_constraint_values()):
print(k, v)
for k, v in iteritems(driver.get_objective_values()):
print(k, v)
Теперь понятно, что источник проблемы - регистратор. В вашем случае вы вызываете оба методы get_constraints()
и get_responses()
в случае. В этих методах масштабируются изменяемые переменные. Поэтому, когда вы возвращаете значение, переменная vals
в _apply_voi_meta()
также масштабируется. Сколько раз вы вызываете любую функцию, которая масштабирует одни и те же переменные, переменные будут масштабироваться при каждом вызове функции как побочный эффект.
См. пример ниже:
#%%
cr = CaseReader('abc.sql')
case_keys = cr.list_cases()
obj=[]
scaled = True
for i, case_key in enumerate(case_keys):
case = cr.get_case(case_key)
derivs = cr.get_case(i).jacobian
# for k in derivs:
# print(k,derivs[k])
recorded_objectives = case.get_objectives(scaled=scaled)
recorder_constraints = case.get_constraints(scaled=scaled)
recorder_desvars = case.get_design_vars()
# recorder_responses = case.get_responses(scaled=scaled)
case.get_constraints(scaled=scaled)
case.get_constraints(scaled=scaled)
for k in recorder_desvars:
print(k,recorder_desvars[k])
for k in recorder_constraints:
print(k,recorder_constraints[k])
for k in recorded_objectives:
print(k,recorded_objectives[k])
obj.append(recorded_objectives[k])
print('-----------')
print('\nDRIVER:\n\n')
for k, v in iteritems(driver.get_design_var_values()):
print(k, v)
for k, v in iteritems(driver.get_constraint_values()):
print(k, v)
for k, v in iteritems(driver.get_objective_values()):
print(k, v)
Если масштабирование равно 10, ограничение будет в 1000 (или 10 ^ 3) раз больше немасштабированного значения, потому что теперь я вызвал метод get_constraints()
3 раза.
Следующий запрос на включение решает проблему: github.com/OpenMDAO/OpenMDAO/pull/861