openmdao

0熱度

1回答

在ParallelItem中使用分佈式組件在MPI下運行分析時，向分析添加DumpRecorder時出現錯誤。以下是一個演示這是一個小例子（這與最新的主分支運行從28/10/2015提交aaa67a4d51f4081e9e41b250b0a76b077f6f0c21）： import numpy as np from openmdao.core.mpi_wrap import MPI from

0熱度

1回答

OpenMDAO 1.x：記錄desvars，約束和目標

如何從記錄器保存的信息中獲得關於哪些變量是設計變量，目標或約束的信息？將此信息打印到文件以跟蹤運行期間的優化進度將會很有用。看起來RecordingManager.record_iteration目前並沒有真正考慮到這一點，因爲您只通過root系統和一個用於優化器設置的元數據字典。是否可以向RecordingManager.record_iteration添加一個參數，例如： optproble

0熱度

1回答

並行openmdao優化與不同的初始猜測

爲了找到更好的最小值，我目前創建並運行不同初始猜測的openmdao問題的多個實例，然後選擇具有最佳性能的解決方案。爲了使這個過程更快，我目前使用Python的多處理模塊並且在並行子進程中解決每個openmdao問題。然而，隨着我的問題變得越來越複雜，我也想並行化優化過程（通過使用ParallelGroup和/或分佈式組件），並且我不確定mpi是否會以奇怪的方式與Python的多處理進行交互。是否

0熱度

1回答

OpenMDAOv1 +：有沒有辦法在組件中的單個變量上進行有限差異？

我很確定我已經知道這個答案了，但是有沒有辦法通過一個組件中的單個變量有限差異來提供所有其他變量的派生？我可以想出的唯一方法是對有問題的組件中的單個變量硬編碼自己的有限差分梯度，以便openmdao將結果看作提供的梯度。

1熱度

1回答

OpenMDAOv1 +：可以在沒有IndepVarComp組件的情況下設置組件或組的參數值嗎？

有沒有辦法將設計變量值傳遞給OpenMDAO Problem,Group或Component而不使用IndepVarComp組件？我發現做prob.root.myComp.x = x不會拋出錯誤，但對驅動程序來說似乎不可見。其動機是簡化使用OpenMDAO創建的模型，以便在調用腳本中使用更少的組件和連接語句。

0熱度

1回答

個別設計變量的FD步長大小

我對如何在各個設計變量上指定FD步長大小有些困惑。在舊的OpenMDAO中，可以在添加desvar時指定步長。在新版本中，add_desvar沒有這個參數，所以我試圖將它設置在IndepVarComp的fd_options上，它也沒有工作。這對我來說並不那麼直觀，我必須將其設置在下游組件上。但是如果我必須這樣做，那麼我將如何在安裝時將它設置在每個單獨的參數上？我可能錯過了一些東西，但是你能否讓我知

0熱度

1回答

ValueError：形狀（6,108）和（36，）未對齊：108（dim 1）！= 36（dim 0）

我看到線性化方法中的一些維度錯誤。具體而言， File "/usr/local/lib/python2.7/site-packages/openmdao/core/system.py", line 726, in _apply_linear_jac arg_vec[param] += J.T.dot(dresids._flat(unknown)).reshape(shape) Valu

1熱度

2回答

OpenMDAO 1.x +支持Brent驅動程序嗎？

我正在將使用Brent驅動程序的代碼轉換爲新的OpenMDAO 1.x +。但是，我找不到新版本。 OpenMDAO 1.x +是否支持布倫特驅動程序？如果Brent驅動程序尚未轉換爲新版本，是否可以請求？

0熱度

1回答

OpenMDAO1.x：訪問通過多個組隱式關聯的變量的問題

我無法訪問通過多個組隱式關聯的變量。按照documentation：在新OpenMDAO，組部件沒有，不具備自己的變量。變量可以通過使促進ARG至添加呼叫，例如提升到組級別， group = Group() group.add('comp1', Times2(), promotes=['x']) 這將允許變量x屬於COMP1經由group.params被訪問 [「x」的]。但是，當我

0熱度

2回答

OpenMDAO 1.x相關性降低

我在OpenMDAO中有一個組件，沒有輸出，用於向組中的其他人提供輸入。儘管其輸出未連接，但該組件中的apply_linear仍被調用。 OpenMDAO 1.x中的相關性降低算法不應該不需要調用apply_linear這個方法嗎？