Question

我正在尝试使用复杂步骤来获取OpenMDAO中简单组件的衍生物。虽然我有分析衍生物，但我想将性能与复杂步骤进行比较。这是一个更大的设计问题的一部分。

这是一个最小的例子：

import numpy as np
from openmdao.api import IndepVarComp, Component, Problem, Group

class SpatialBeamDisp(Component):

    def __init__(self, ny):
        super(SpatialBeamDisp, self).__init__()

        self.ny = ny

        self.add_param('disp_aug', val=np.zeros(((self.ny+1)*6), dtype='complex'))
        self.add_output('disp', val=np.zeros((self.ny, 6), dtype='complex'))

        # Comment out this line to use analytic derivatives
        self.deriv_options['type'] = 'cs'

    def solve_nonlinear(self, params, unknowns, resids):
        # Obtain the relevant portions of disp_aug and store the reshaped
        # displacements in disp
        unknowns['disp'] = params['disp_aug'][:-6].reshape((self.ny, 6))

    def linearize(self, params, unknowns, resids):
        jac = self.alloc_jacobian()
        n = self.ny * 6
        jac['disp', 'disp_aug'] = np.hstack((np.eye((n)), np.zeros((n, 6))))
        return jac

top = Problem()

root = top.root = Group()

n = 5

disp_aug = np.random.random(((n+1) * 6))

root.add('disp_input', IndepVarComp('disp_aug', disp_aug), promotes=['*'])

root.add('disp_', SpatialBeamDisp(n), promotes=['*'])

top.setup()
top.run_once()
top.check_partial_derivatives(compact_print=True)

按原样运行此代码会产生不正确的雅可比行列，同时注释掉self.deriv_options['type' = 'cs'行并使用分析表达式生成正确的雅可比行列式。

我在Ubuntu上使用OpenMDAO 1.7.3和numpy 1.10.2。

我是否错误地设置了复数阶导数？如果是这样，我应该如何编写这个组件以实现复杂步骤？

Answer 1

问题是内存/指针相关的问题。基本上，当您执行切片并重新整形时，您最终会看到原始数组，然后将其分配给unknowns['disp']。这项任务打破了OpenMDAO指向其用于执行复杂步骤计算的原始数据的指针。您可以通过更改分配来明确地修复它，以请求将数据副本复制到当前内存位置：

def solve_nonlinear(self, params, unknowns, resids):
    # Obtain the relevant portions of disp_aug and store the reshaped
    # displacements in disp
    unknowns['disp'][:] = params['disp_aug'][:-6].reshape((self.ny, 6))

OpenMDAO的CS代码中必定存在一个潜在的错误，即使用此分配保护是必要的。这个问题没有出现在fd上，只有cs。

复杂步骤在OpenMDAO组件

1 个答案: