使用不同的初始猜测并行化 openmdao 优化
parallelize openmdao optimization with different initial guesses
为了找到更好的最小值，我目前创建 运行 多个具有不同初始猜测的 openmdao 问题实例，然后 select 具有最佳性能的解决方案。为了使这个过程更快，我目前使用 Python 的多处理模块并在并行子进程中解决每个 openmdao 问题。
然而，随着我的问题变得更加复杂，我也想并行化优化过程（通过使用 ParallelGroup and/or 分布式组件），我不确定 mpi 是否会与 Python 以奇怪的方式进行多重处理。是否有任何 openmdao 功能可以同时处理解决单个问题和多个问题实例的并行性？
您可以 运行 通过拆分 comm 并将子 comm 传递给 Problem 构造函数，在 MPI 下（没有子进程）OpenMDAO 问题的多个实例。请在此处查看基本示例：
https://github.com/OpenMDAO/OpenMDAO/blob/master/mpitest/test_mpi.py#L207-237
您的问题可以有 ParallelGroup(s)，只要您给它足够大的通信就可以了。
为了找到更好的最小值，我目前创建 运行 多个具有不同初始猜测的 openmdao 问题实例，然后 select 具有最佳性能的解决方案。为了使这个过程更快，我目前使用 Python 的多处理模块并在并行子进程中解决每个 openmdao 问题。
然而，随着我的问题变得更加复杂，我也想并行化优化过程（通过使用 ParallelGroup and/or 分布式组件），我不确定 mpi 是否会与 Python 以奇怪的方式进行多重处理。是否有任何 openmdao 功能可以同时处理解决单个问题和多个问题实例的并行性？
您可以 运行 通过拆分 comm 并将子 comm 传递给 Problem 构造函数，在 MPI 下（没有子进程）OpenMDAO 问题的多个实例。请在此处查看基本示例：
https://github.com/OpenMDAO/OpenMDAO/blob/master/mpitest/test_mpi.py#L207-237
您的问题可以有 ParallelGroup(s)，只要您给它足够大的通信就可以了。