如何在for循环中使用不同模型重新运行OpenMDAO优化问题

• OpenMDAO内置全局上下文缓存，包含变量名注册、组件元数据等信息，不会随单个Problem实例的删除自动清空，首次运行后残留的元数据会和后续新实例的组件、变量命名产生冲突，导致模型初始化异常
• 部分第三方优化器（如IPOPT、SNOPT的绑定版本）存在全局运行状态，首次优化结束后状态未重置，会导致后续优化的迭代逻辑出现异常
• 若自定义的Model组件使用类级变量存储运行时数据，首次运行写入的数值会残留在类属性中，干扰后续不同结构模型的运行
• del p仅删除实例的变量引用，Python垃圾回收存在延迟，上一轮Problem实例占用的资源不会立刻释放，可能和新实例产生资源竞争

• 每次循环实例化新的Problem前，先调用om.reset()（OpenMDAO 3.0及以上版本支持），手动清空全局注册的所有元数据、缓存和报告配置
• 每次实例化Problem时重新初始化Driver和优化器，不要复用之前迭代中创建的优化器实例；若使用的优化器提供显式重置接口，每次运行驱动前调用该接口清除历史状态
• 检查所有自定义组件的属性定义：确保所有动态更新的运行时数据都定义在组件__init__方法的实例属性下，避免使用类变量存储动态数据
• 在del p后强制触发垃圾回收，彻底释放上一轮资源：

import gc
gc.collect()

• 兜底方案：如果上述方法无法解决问题，可将单次优化的完整逻辑封装为独立函数，通过multiprocessing模块为每个优化任务启动独立子进程运行，运行结束后子进程直接退出，完全隔离不同任务的运行上下文

内容的提问来源于stack exchange，提问作者Chris