Умножается ли «скейлер» дважды?

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,'*')

Следующий запрос на включение решает проблему: github.com/OpenMDAO/OpenMDAO/pull/861

onodip 27.02.2019 20:53
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...
0
1
65
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

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.

Другие вопросы по теме