Как использовать вложенные задачи в OpenMDAO 1.x?
Я пытаюсь внедрить Collaborative Optimization и другие многоуровневые архитектуры в OpenMDAO. Я читал здесь, что это можно сделать, определив отдельный метод solve_nonlinear в подклассе задачи.
Проблема заключается в том, что при запуске экземпляра проблемы не определен определенный solve_linear. Вот код -
from __future__ import print_function, division
import numpy as np
import time
from openmdao.api import Component,Group, IndepVarComp, ExecComp,\
Problem, ScipyOptimizer, NLGaussSeidel, ScipyGMRES
class SellarDis1(Component):
"""Component containing Discipline 1."""
def __init__(self):
super(SellarDis1, self).__init__()
self.add_param('z', val=np.zeros(2))
self.add_param('x', val=0.0)
self.add_param('y2', val=1.0)
self.add_output('y1', val=1.0)
def solve_nonlinear(self, params, unknowns, resids):
y1 = z1**2 + z2 + x1 - 0.2*y2"""
z1 = params['z'][0]
z2 = params['z'][1]
x1 = params['x']
y2 = params['y2']
unknowns['y1'] = z1**2 + z2 + x1 - 0.2*y2
def linearize(self, params, unknowns, resids):
J = {}
J['y1','y2'] = -0.2
J['y1','z'] = np.array([[2*params['z'][0], 1.0]])
J['y1','x'] = 1.0
return J
class SellarDis2(Component):
def __init__(self):
super(SellarDis2, self).__init__()
self.add_param('z', val=np.zeros(2))
self.add_param('y1', val=1.0)
self.add_output('y2', val=1.0)
def solve_nonlinear(self, params, unknowns, resids):
z1 = params['z'][0]
z2 = params['z'][1]
y1 = params['y1']
y1 = abs(y1)
unknowns['y2'] = y1**.5 + z1 + z2
def linearize(self, params, unknowns, resids):
J = {}
J['y2', 'y1'] = 0.5*params['y1']**-0.5
J['y2', 'z'] = np.array([[1.0, 1.0]])
return J
class Sellar(Group):
def __init__(self):
super(Sellar, self).__init__()
self.add('px', IndepVarComp('x', 1.0), promotes=['*'])
self.add('pz', IndepVarComp('z', np.array([5.0,2.0])), promotes=['*'])
self.add('d1', SellarDis1(), promotes=['*'])
self.add('d2', SellarDis2(), promotes=['*'])
self.add('obj_cmp', ExecComp('obj = x**2 + z[1] + y1 + exp(-y2)',
z=np.array([0.0, 0.0]), x=0.0, y1=0.0, y2=0.0),
promotes=['*'])
self.add('con_cmp1', ExecComp('con1 = 3.16 - y1'), promotes=['*'])
self.add('con_cmp2', ExecComp('con2 = y2 - 24.0'), promotes=['*'])
self.nl_solver = NLGaussSeidel()
self.nl_solver.options['atol'] = 1.0e-12
self.ln_solver = ScipyGMRES()
def solve_nonlinear(self, params=None, unknowns=None, resids=None, metadata=None):
print("Group's solve_nonlinear was called!!")
# Discipline Optimizer would be called here?
super(Sellar, self).solve_nonlinear(params, unknowns, resids)
class ModifiedProblem(Problem):
def solve_nonlinear(self, params, unknowns, resids):
print("Problem's solve_nonlinear was called!!")
# or here ?
super(ModifiedProblem, self).solve_nonlinear()
top = ModifiedProblem()
top.root = Sellar()
top.driver = ScipyOptimizer()
top.driver.options['optimizer'] = 'SLSQP'
top.driver.add_desvar('z', lower=np.array([-10.0, 0.0]),
upper=np.array([10.0, 10.0]))
top.driver.add_desvar('x', lower=0., upper=10.0)
top.driver.add_objective('obj')
top.driver.add_constraint('con1', upper=0.0)
top.driver.add_constraint('con2', upper=0.0)
top.setup(check=False)
top.run()
Вывод вышеуказанного кода -
Group's solve_nonlinear was called!!
Group's solve_nonlinear was called!!
Group's solve_nonlinear was called!!
Group's solve_nonlinear was called!!
Group's solve_nonlinear was called!!
Group's solve_nonlinear was called!!
Group's solve_nonlinear was called!!
Optimization terminated successfully. (Exit mode 0)
Current function value: [ 3.18339395]
Iterations: 6
Function evaluations: 6
Gradient evaluations: 6
Optimization Complete
-----------------------------------
Это означает, что solve_nonlinear, определенный в подклассе Problem, не вызывается в любое время. Итак, я должен назвать оптимизаторы дисциплины в подклассе группы?
Кроме того, как передать целевые переменные между двумя задачами оптимизации (Система и Дисциплины), особенно возвращая оптимизированные глобальные переменные из отдельных дисциплин обратно оптимизатору системы.
Спасибо всем.
1 ответ
Вы правы в том, что solve_nonlinear на Problem никогда не называется, потому что Problem не является компонентом OpenMDAO и не имеет solve_nonlinear метод. Что вы хотите сделать для того, чтобы запустить проблему подмодели внутри другой проблемы, это инкапсулировать ее в экземпляр компонента. Это будет выглядеть примерно так:
class SubOptimization(Component)
def __init__(self):
super(SubOptimization, self).__init__()
# Inputs to this subprob
self.add_param('z', val=np.zeros(2))
self.add_param('x', val=0.0)
self.add_param('y2', val=1.0)
# Unknowns for this sub prob
self.add_output('y1', val=1.0)
self.problem = prob = Problem()
prob.root = Group()
prob.add('px', IndepVarComp('x', 1.0), promotes=['*'])
prob.add('d1', SellarDis1(), promotes=['*'])
# TODO - add cons/objs for sub prob
prob.driver = ScipyOptimizer()
prob.driver.options['optimizer'] = 'SLSQP'
prob.driver.add_desvar('x', lower=0., upper=10.0)
prob.driver.add_objective('obj')
prob.driver.add_constraint('con1', upper=0.0)
prob.driver.add_constraint('con2', upper=0.0)
prob.setup()
# Must finite difference across optimizer
self.fd_options['force_fd'] = True
def solve_nonlinear(self, params, unknowns, resids):
prob = self.problem
# Pass values into our problem
prob['x'] = params['x']
prob['z'] = params['z']
prob['y2'] = params['y2']
# Run problem
prob.run()
# Pull values from problem
unknowns['y1'] = prob['y1']
Вы можете поместить этот компонент в основную задачу (вместе с компонентом для дисциплины 2, хотя 2 не нуждается в дополнительной оптимизации, поскольку у него нет локальных проектных переменных) и оптимизировать глобальную переменную проекта вокруг нее.
Одно предостережение: это не то, что я пробовал (и при этом я не тестировал фрагмент неполного кода выше), но это должно привести вас на правильный путь. Возможно, вы можете столкнуться с ошибкой, так как это не очень проверено. Когда у меня будет время, я соберу такой тест CO для тестов OpenMDAO, чтобы мы были в безопасности.