OpenMDAO外部代码组件优化配置异常问题求助

1. 优化未实际执行的问题 #

出现“设计变量无法影响目标/约束”警告，核心原因通常是梯度信息缺失或传递失效，或者设计变量未真正传递到外部代码：

• 检查导数配置：ExternalCodeComp默认不提供解析导数，SLSQP需要梯度才能正常优化。必须在驱动中开启有限差分，或者给组件添加解析导数：
  • 开启有限差分：在问题实例中设置model.approx_totals(method='fd', step=1e-6)，或者给ExternalCodeComp单独设置approx_totals。
  • 如果外部代码能输出导数（比如通过计算输出对输入的偏导），可以重载compute_partials方法，手动读取外部文件中的导数结果填入雅可比矩阵。
• 验证设计变量传递：单独运行优化模型的初始迭代，打印外部代码的输入文件内容，确认FPR、Wdes等设计变量确实写入了外部程序的输入文件；同时检查外部程序的输出文件，确认输入变化时输出确实会改变（排除外部代码本身的问题）。
• 检查设计变量配置：确认add_design_var时设置的上下限不是相同值，且初始值在上下限范围内，避免优化器无法调整变量。

2. 外部代码输出设置约束的验证方法 #

要确认约束设置正确，可按以下步骤排查：

• 单独测试组件：给ExternalCodeComp输入多组不同值，打印约束对应的输出变量，确认输出与外部代码的计算结果一致，排除文件读取/写入的错误。
• 检查约束定义：在add_constraint时，确认约束的类型（等式eq或不等式ineq）和边界（lower/upper）设置正确。例如，若约束要求输出值不超过100，应写prob.add_constraint('comp.constraint_output', upper=100)。
• 优化过程中监控：在优化循环中添加回调，打印每一步的约束值，确认约束随设计变量变化而更新，排除连接失效的问题。

3. 最大化优化的更优实现方式 #

当前通过输出目标值的-1倍转最小化的方法可行，但OpenMDAO支持直接设置最大化目标，无需手动转负：

• 对于ScipyOptimizeDriver，在添加目标时指定sense='maximize'：

  prob.add_objective('comp.target_output', sense='maximize')
  

• 若使用旧版本OpenMDAO（不支持sense参数），可以在目标上设置scaler=-1，同样实现最大化效果，比手动修改外部代码输出更清晰：

  prob.add_objective('comp.target_output', scaler=-1)
  

内容的提问来源于stack exchange，提问作者Mike