如何在OpenMDAO（IPOPT运行时）获取设计变量值调试轨迹优化？

完全可以在OpenMDAO（及基于它的Dymos）中访问求解器运行时的设计变量与中间值，以下是几种实用实现方式：

1. 利用IPOPT回调函数（针对IPOPT优化器） #

如果你的Dymos问题使用IPOPT作为优化器，可直接通过设置IPOPT的回调函数来实时获取迭代过程中的变量值：

步骤与示例代码 #

def ipopt_iteration_callback(alg_mod, iter_count, obj_value, inf_pr, inf_du, mu, d_norm, regularization_size, alpha_du, alpha_pr, ls_trials, user_data):
    # user_data传入OpenMDAO问题实例
    prob = user_data
    # 获取目标设计变量（替换为你实际的变量路径）
    des_var_val = prob.get_val('trajectory.phases.phase0.design_vars:velocity', units='m/s')
    # 打印迭代信息
    print(f"Iteration {iter_count:3d} | Objective: {obj_value:.6f} | Velocity: {des_var_val[0]:.3f} m/s")
    # 可将数据存入列表用于后续绘图
    # global iteration_data
    # iteration_data.append((iter_count, obj_value, des_var_val[0]))
    return 0  # 返回0继续迭代，返回1终止优化

# 配置IPOPT求解器
prob.driver = om.pyOptSparseDriver()
prob.driver.options['optimizer'] = 'IPOPT'
# 绑定回调函数与问题实例
prob.driver.opt_settings['callback'] = ipopt_iteration_callback
prob.driver.opt_settings['user_data'] = prob

2. 求解器迭代钩子（针对非线性/线性求解器） #

如果需要调试Dymos底层的求解器迭代（比如配点法的非线性求解器），可使用OpenMDAO的post_iteration钩子：

步骤与示例代码 #

def post_iteration_hook(solver):
    prob = solver._problem()
    iter_num = solver.iter_count
    # 获取约束或状态变量（替换为实际路径）
    constraint_val = prob.get_val('trajectory.phases.phase0.constraints:path_constraint')
    print(f"Solver Iter {iter_num:2d} | Path Constraint: {constraint_val.mean():.4f}")

# 获取Dymos相位中的非线性求解器实例
nl_solver = prob.model.trajectory.phases.phase0.nonlinear_solver
# 添加迭代后钩子
nl_solver.add_post_iteration_callback(post_iteration_hook)

3. CaseRecorder记录迭代数据（事后分析） #

若无需实时输出，可通过CaseRecorder将所有迭代数据存入SQLite文件，事后加载分析：

步骤与示例代码 #

# 创建Recorder并绑定到驱动
recorder = om.SqliteRecorder('trajectory_iterations.sql')
prob.driver.add_recorder(recorder)
# 设置需要记录的内容
prob.driver.recording_options['record_desvars'] = True
prob.driver.recording_options['record_objectives'] = True
prob.driver.recording_options['record_constraints'] = True

# 运行优化
prob.run_driver()

# 事后加载数据
case_reader = om.CaseReader('trajectory_iterations.sql')
driver_cases = case_reader.list_cases('driver')
for case_id in driver_cases:
    case = case_reader.get_case(case_id)
    des_vars = case.get_desvars()
    obj_val = case.get_objectives()
    print(f"Case {case_id}: Objective = {obj_val['trajectory.objective'][0]:.6f}")

注意事项 #

• 变量路径可通过prob.list_inputs()或prob.list_outputs()命令查看，确保get_val使用正确的路径格式；
• 若使用pyOptSparseDriver以外的驱动（比如ScipyOptimizeDriver），回调方式会略有差异，但核心思路一致——通过驱动或求解器的钩子函数访问问题实例。

内容的提问来源于stack exchange，提问作者LordCat