如何在for循环中重新运行不同模型的问题？

Question

我正在进行一项设计研究，需要我运行在不同模型上解决许多优化问题。我的问题是第一次失败后的任何优化。比如我运行先研究1，问题收敛。然后我运行研究了 2、3、4 等，但问题失败了。但是，如果我先从运行ning study 2 开始，问题就会收敛。然后我可以运行研究 1、3、4 等，但问题失败了。过去似乎有人遇到过类似的问题，我已经按照前面 post: Replaceing Component in OpenMDAO Group 中的描述进行了处理。下面提供了我的问题的伪代码：

for i in range(N):
    p = om.Problem()
    add_subsystem(Model i)
    add driver and solvers
    add constraints
    add design variables
    add objective
    p.setup()
    set initial guesses
    run driver and save data
    p.cleanup()
    del p

如您所见，我在 for 循环的每次迭代中清理、删除并重新实例化问题。但是，第一次失败后的所有优化。你知道为什么这个过程会失败吗？有没有办法更正一下？

此外，需要说明的是，每个模型都是由不同变量组成的独特结构，因此我不能简单地更改特定参数值并重新运行驱动程序。

Answer 1

您没有提供太多细节，但是如果您的伪代码与您的模型非常匹配，那么问题就与 OpenMDAO 本身无关。多个问题实例之间不共享任何状态。不过，您看到的行为是有状态的。

所以您的某个组件或组中的某些东西必须以某种方式存储状态。要么将某些内容写入下一个案例读取的文件，将值存储在某种全局变量中，要么调用以某种方式有状态的已编译库。

如果没有关于您的模型的更多详细信息或某种示例案例，则很难更具体。

如何在for循环中重新运行不同模型的问题？

How to re-run problem with different model in for loop?

openmdao