Оптимизация openmdao v1.4 с метамоделью

Мне нужно выполнить оптимизацию с помощью openmdao 1.4 на метамодели. Используя учебные пособия, у меня возникла проблема, которую я не могу решить: я думаю, что проблема связана с неправильным использованием setup() и run(): мне не удается одновременно обучить свою метамодель и оптимизировать ее. время (возможно, для этого я должен использовать две разные «группы»..) Вот мой код:

    from __future__ import print_function


from openmdao.api import Component, Group, MetaModel ,IndepVarComp, ExecComp, NLGaussSeidel, KrigingSurrogate, FloatKrigingSurrogate

import numpy as np


class KrigMM(Group):
    ''' FloatKriging gives responses as floats '''

    def __init__(self):
        super(KrigMM, self).__init__()

        # Create meta_model for f_x as the response

        pmm = self.add("pmm", MetaModel())
        pmm.add_param('x', val=0.)

        pmm.add_output('f_x:float', val=0., surrogate=FloatKrigingSurrogate())
        self.add('p1', IndepVarComp('x', 0.0))

        self.connect('p1.x','pmm.x')

       # mm.add_output('f_xy:norm_dist', val=(0.,0.), surrogate=KrigingSurrogate())


if __name__ == '__main__':
    # Setup and run the model.

    from openmdao.core.problem import Problem
    from openmdao.drivers.scipy_optimizer import ScipyOptimizer
    from openmdao.core.driver import Driver

    import numpy as np
    import doe_lhs

    #prob = Problem(root=ParaboloidProblem())
###########################################################    

    prob = Problem(root=Group())
    prob.root.add('meta',KrigMM(), promotes=['*'])

    prob.driver = ScipyOptimizer()
    prob.driver.options['optimizer'] = 'SLSQP'

    prob.driver.add_desvar('p1.x', lower=0, upper=10)

    prob.driver.add_objective('pmm.f_x:float')
    prob.setup()
    prob['pmm.train:x'] = np.linspace(0,10,20)
    prob['pmm.train:f_x:float'] = np.sin(prob['pmm.train:x'])      
    prob.run()

    print('\n')
    print('Minimum of %f found for meta at %f' % (prob['pmm.f_x:float'],prob['pmm.x'])) #predicted value

openmdao
person ThierryONERA    schedule 06.01.2016    source источник

Ответы (1)


arrow_upward
1
arrow_downward

Я считаю, что ваша проблема действительно работает нормально. Просто у выбранной вами синусоиды локальный оптимум равен 0,0, что и является вашим начальным условием.

Если я изменю начальное условие следующим образом:

prob.setup()
prob['p1.x'] = 5
prob['pmm.train:x'] = np.linspace(0,10,20)
prob['pmm.train:f_x:float'] = np.sin(prob['pmm.train:x'])      
prob.run()

Я получил:

Optimization terminated successfully.    (Exit mode 0)
        Current function value: [-1.00004544]
        Iterations: 3
        Function evaluations: 3
        Gradient evaluations: 3
Optimization Complete
-----------------------------------


Minimum of -1.000045 found for meta at 4.710483
person Justin Gray    schedule 06.01.2016