如何將複雜模型分解爲組件+自定義「驅動程序」？

Question

我有一個複雜的模型（A），可以很容易地將其寫入具有輸入和輸出的單個組件。但是，在模型A中，有兩個「物理」學科A1和A2重複調用。 我想將模型A分成兩個子組件（A1和A2），並有一個根據某些規則調用A1和A2的代碼。 問題是，我應該把這個「膠水代碼」寫成一個調用其中的組件嗎？或者我應該寫我自己的「驅動程序」，用我的規則調用A1和A2？ 或者我必須將大型模型保存在單個組件中嗎？

另一個類似的情況是，必須在不同情況下（輸入值）評估（理想情況下）單個組件。如何重複調用它？或者讓一個組件在計算方法中循環？ 謝謝。

Answer 1

您在這裏有幾個選項，並根據您爲什麼重複調用A1和A2的細節，我建議更改哪一個。

我幾乎總是建議將更大的模型分成更小的組件，因爲它使計算分析派生更容易，並提供更多的模塊化代碼庫。假設你確實打破了A，重複呼叫的特徵是什麼？

A1和A2是否需要在多個不同的操作點重複進行某種分析？例如多重載荷情況或空氣動力學強迫？也許你平均在他們之間計算A的最終輸出？如果是這樣的話，我會建議將A1和A2作爲向量化函數來寫入，這些向量函數可以接收輸入數據的數組（數組的每個條目代表不同的點），然後輸出一個數組，並在每個元素上完成計算。以這種方式使用numpy數組既快又有效地利用OpenMDAO中的內存。這絕對是我如何建議你處理你最後一個問題，關於重複運行不同的輸入。如果你不能對函數進行矢量化，那麼相反，你可以刪除你的模型的多個實例（每個輸入實例一個實例），但是取決於你有多少個輸入實例可能效率較低。

您是否正在通過A1/A2迭代某種收斂過程？如果是這樣，你應該使用求解器來處理這種循環。 GaussSeidel或牛頓應該這樣做。如果你的規則由某種啓發式迭代構成以達到收斂，那麼你可以將它編碼到自定義解算器中，但對於新手用戶來說這肯定會有些困難。相反，如果您的規則相當於某種算法，您以某種固定順序執行A1/A2並按固定次數調用每個算法，我會回到我的建議，即您只是實例化A1和A2的多個副本，然後將它們連接起來一起爲你的問題製作你想要的序列。