Openmdao - 优化时并行计算有限差分

Question

我做了一个简单的例子（见下文），它以串行方式执行 fd。并行执行此操作的最佳方法是什么？我正在使用 Python 3.6 和 OpenMDAO 2.4.0。

   import numpy as np

   from openmdao.api import Problem, ScipyOptimizeDriver, ExecComp, IndepVarComp, ExplicitComponent, Group

   class WorkFlow(ExplicitComponent):
       def setup(self):
           self.add_input('x', np.ones(5))
           self.add_output('y', 2.0)
           self.declare_partials('y', 'x', method='fd')

       def compute(self, inputs, outputs):
           print('comm:', self.comm.rank, inputs['x'])
           print()
           outputs['y'] = abs(np.sum(inputs['x']**2) - 9)

   prob = Problem()
   indeps = prob.model.add_subsystem('indeps', IndepVarComp(), promotes=['*'])
   indeps.add_output('x', np.ones(5))

   prob.model.add_subsystem('wf', WorkFlow(),  promotes_inputs=['x'])

   prob.driver = ScipyOptimizeDriver()
   prob.driver.options['optimizer'] = 'SLSQP'
   prob.driver.options['tol'] = 1e-9

   prob.model.add_design_var('x', lower=-10.0, upper=10.0)

   prob.model.add_objective('wf.y')

   prob.setup()
   prob.run_driver()
   print(prob['x'])
   print(prob['wf.y'])

Answer 1

从 OpenMDAO v2.4 开始，您无法进行并行有限差分。不过，该功能最近已添加到 OpenMDAO 的 master 分支中，并将很快在 OpenMDAO V2.5 中正式发布。

要立即使用该功能，请安装 openMDAO 的存储库版本（您不能这样做 pip install openmdao。而是从 github 克隆存储库，然后 pip install -e <location of the cloned repo>）。

然后您可以按照documentation page 上的说明进行并行FD。

这是您的实际代码。对组件的唯一更改是，当您实例化它时，您向组件提供了 num_par_fd=5 参数。然后当你调用文件时，你应该像这样在 mpi 下运行它：

mpiexec -n 5 python test.py

下面是 test.py 的样子：

   import numpy as np

   from openmdao.api import Problem, ScipyOptimizeDriver, ExecComp, IndepVarComp, ExplicitComponent, Group

   class WorkFlow(ExplicitComponent):
       def setup(self):
           self.add_input('x', np.ones(5))
           self.add_output('y', 2.0)
           self.declare_partials('y', 'x', method='fd')

       def compute(self, inputs, outputs):
           print('comm:', self.comm.rank, inputs['x'])
           print()
           outputs['y'] = abs(np.sum(inputs['x']**2) - 9)

   prob = Problem()
   indeps = prob.model.add_subsystem('indeps', IndepVarComp(), promotes=['*'])
   indeps.add_output('x', np.ones(5))

   prob.model.add_subsystem('wf', WorkFlow(num_par_fd=5),  promotes_inputs=['x'])

   prob.driver = ScipyOptimizeDriver()
   prob.driver.options['optimizer'] = 'SLSQP'
   prob.driver.options['tol'] = 1e-9

   prob.model.add_design_var('x', lower=-10.0, upper=10.0)

   prob.model.add_objective('wf.y')

   prob.setup()
   prob.run_driver()
   print(prob['x'])
   print(prob['wf.y'])