OpenMDAO离散优化：如何定义离散变量的可选取值集合

OpenMDAO没有单独的“离散值集合配置项”，根据你选用的优化器类型，对应实现方式分两类：

• 搭配原生支持离散变量的优化器使用（例如pyOptSparse下支持离散/整数变量的求解器、框架内置的SimpleGA遗传算法等）
  直接在调用add_design_var定义离散设计变量时，传入values参数指定允许选取的取值集合即可，支持数值、字符串等任意可哈希的离散取值类型：

  import openmdao.api as om
  
  prob = om.Problem()
  # 例1：指定整数型离散值可选集合
  prob.model.add_design_var('layer_count', values=[2, 4, 6, 8, 10], var_type=int)
  # 例2：指定枚举类字符串离散值可选集合
  prob.model.add_design_var('material', values=['steel', 'aluminum', 'carbon_fiber'], var_type=str)
  

  优化器在迭代过程中只会从你传入的values列表里挑选取值，不会生成列表外的非法离散值。

• 搭配不支持原生离散变量的连续优化器使用（例如SLSQP、SNOPT等仅支持连续变量的求解器）
  这类场景下需要自己加一层索引映射逻辑：预定义好允许的离散取值列表，将设计变量定义为取值范围在[0, 可选值总数-1]的整数变量，在组件内部通过索引映射到实际的离散取值，同时加边界约束避免索引越界：

  # 预定义所有允许的传动比离散取值
  ALLOWED_GEAR_RATIOS = [0.2, 0.5, 0.8, 1.1, 1.4]
  
  class GearSelection(om.ExplicitComponent):
      def setup(self):
          # 输入为离散索引，取值范围对应可选值列表的下标
          self.add_discrete_input('gear_idx', val=0, val_type=int)
          self.add_output('actual_ratio', val=0.2)
  
      def compute(self, inputs, outputs, discrete_inputs, discrete_outputs):
          idx = discrete_inputs['gear_idx']
          # 做边界钳位，避免索引超出可选值范围
          idx = max(0, min(idx, len(ALLOWED_GEAR_RATIOS) - 1))
          outputs['actual_ratio'] = ALLOWED_GEAR_RATIOS[idx]
  

  如果用这类连续优化器求解混合整数问题，注意要对索引变量做整数圆整处理，否则连续求解器输出的浮点索引会导致映射逻辑出错，同时圆整操作可能引入收敛误差，优先选原生支持离散变量的优化器处理这类问题。

注意：不要用连续变量的上下界约束替代离散值集合配置，上下界仅能限制取值的数值范围，无法约束优化器跳过你不允许的中间值。

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