如何让OpenMDAO中PyOptSparse SLSQP驱动严格执行设计变量边界，与SciPyOptimize版本表现一致

PyOptSparse的SLSQP实现默认没有开启设计变量迭代点的边界强制裁剪逻辑，因此会出现评估越界工况的情况，要让它的表现和SciPyOptimize SLSQP完全一致，可通过以下两种方案实现：

• 方案1：开启优化器内置的边界强制执行开关
  PyOptSparse v2.0及以上版本的SLSQP优化器原生支持enforce_bounds参数，在OpenMDAO中声明驱动时传入该参数设置为True即可，示例代码如下：

import openmdao.api as om
from openmdao.drivers.pyoptsparse_driver import pyOptSparseDriver

prob = om.Problem()
# 定义组件、设计变量、约束、目标等逻辑省略
prob.driver = pyOptSparseDriver()
prob.driver.options['optimizer'] = 'SLSQP'
# 开启边界强制，保证迭代点不会超出设计变量上下界
prob.driver.opt_settings['enforce_bounds'] = True

该设置会让优化器在生成每一步迭代点时主动裁剪超出边界的取值，和SciPyOptimize SLSQP的默认行为完全一致。

• 方案2：添加前置设计变量裁剪组件
  如果你使用的PyOptSparse版本较低不支持enforce_bounds参数，可以在模型最上游添加一个自定义裁剪组件，每次迭代先将传入的设计变量裁剪到设定的上下界范围内，再传递给下游计算组件，示例代码如下：

import numpy as np
class BoundClipComp(om.ExplicitComponent):
    def setup(self):
        # 按照你的设计变量数量、名称定义输入输出，此处以单设计变量x为例
        self.add_input('x_in', val=0.0)
        self.add_output('x_out', val=0.0)
        # 记录设计变量的上下界
        self.x_lower = 0.0
        self.x_upper = 10.0
    
    def compute(self, inputs, outputs):
        outputs['x_out'] = np.clip(inputs['x_in'], self.x_lower, self.x_upper)

将该组件放在模型的最前端，原设计变量关联到裁剪组件的输入，后续所有组件调用裁剪后的输出值即可，即可保证所有下游计算都不会接收到越界的设计变量取值。

注意：方案2需要你将所有设计变量都对应添加裁剪逻辑，适合版本兼容性要求高的场景，方案1配置更简单，优先推荐使用。

内容的提问来源于stack exchange，提问作者Andrew