我目前正在使用高保真流量求解器（SU2）在OpenMDAO中测试基于梯度的优化，但是我使用的形状参数化方法似乎对有限差分近似的步长高度敏感。这可能是由于目标函数对某些设计变量比对其他设计变量更敏感，因此我一直在使用相对步长而不是绝对步长。但是，我希望步长与向量中的每个设计变量有关，但是对于所有设计变量都采用恒定步长似乎并非如此。
例如，1e-5的相对步长产生了4.2e-5（常数）的实际步长，其向量具有大小变化的28个设计变量。
即design_variables = [0, 1e-2, 1e-1...]
问题：对于幅度变化且包括零的设计变量向量，如何计算相对步长？
注意：设计变量按比例缩放（相等）并共享相同的（％）上下限。另外，这个数字似乎会随着上下限的变化而变化吗？
更新：在查看finite_difference.py脚本后，此问题已部分解决。取输入范数并乘以步长。但是，代码表明（step *= scale）标度值也是标量，并且在所有设计变量中都恒定，这是正确的吗？
答案 0 :(得分：0)
是的，这就是矢量的步长大小的计算方法-对于相对有限差步进，步长大小通过矢量的范数进行缩放。但是，您提出了一个很好的观点，即向量的元素大小可能有很大不同，因此也许我们需要增加对指定fd步长向量的支持。