能否为SQSLP优化设置自定义初始值？默认初始值[1,1,1]不符合需求

我之前在OpenMDAO项目里也碰到过一模一样的情况——架构限制没法修改组件内部的初始值设置，优化器却硬把设计变量默认成[1,1,1]。其实不用动组件代码，有两种简单方法可以指定自定义初始值：

方法1：用set_val直接在模型层面赋值 #

这是最灵活的方式，完全避开组件内部的限制。在你添加完设计变量之后，直接调用模型的set_val方法给目标变量设置初始值就行：

# 你的原有代码：添加设计变量
p.model.add_design_var('indeps.upperWeights', lower=np.array([1E-3, 1E-3, 1E-3]))
p.model.add_design_var('indeps.lowerWeights', upper=np.array([-1E-3, -1E-3, -1E-3]))

# 新增：设置自定义初始值，替换成你需要的数值
p.model.set_val('indeps.upperWeights', np.array([0.5, 0.5, 0.5]))
p.model.set_val('indeps.lowerWeights', np.array([-0.5, -0.5, -0.5]))

# 你的原有代码：约束、目标和驱动设置
p.model.add_constraint('cl', equals=1)
p.model.add_objective('cd')
p.driver = om.ScipyOptimizeDriver()

set_val会直接覆盖IndepVarComp输出的默认初始值（默认是1），优化器启动时就会用你指定的数值作为起点。

方法2：在add_design_var中直接指定val参数 #

如果更习惯在添加设计变量时一步到位，也可以给add_design_var方法传val参数来设置初始值：

p.model.add_design_var('indeps.upperWeights', 
                       lower=np.array([1E-3, 1E-3, 1E-3]),
                       val=np.array([0.5, 0.5, 0.5]))  # 这里指定初始值
p.model.add_design_var('indeps.lowerWeights', 
                       upper=np.array([-1E-3, -1E-3, -1E-3]),
                       val=np.array([-0.5, -0.5, -0.5]))

# 后续约束、目标和驱动设置不变
p.model.add_constraint('cl', equals=1)
p.model.add_objective('cd')
p.driver = om.ScipyOptimizeDriver()

这个方法要注意val的维度必须和变量的shape完全匹配，不然会报错。

两种方法都能让SLSQP优化器（你可能打错成SQSLP啦）使用你自定义的初始值，不用修改任何组件内部的代码，完美适配你的架构限制。

内容的提问来源于stack exchange，提问作者BeeperTeeper